改进Retinex方法在低照度壁(岩)画中的图像增强

作者：王鑫; 田欢; 史伟^*; 王涛

来源：北京服装学院学报(自然科学版), 2021, 41(03): 76-85.

DOI：10.16454/j.cnki.issn.1001-0564.2021.03.012

• 深度学习
• 图像增强
• 卷积神经网络
• Retinex-Adv

随着计算机算力的快速提升,低照度图像增强在文物数字化保护方面已得到广泛应用。Retinex是重要的低照度图像增强算法之一,其假设图像可以分解为反射图与光照图,然而大多数基于Retinex的方法在对图像进行分解时都会出现结果不确定的问题。针对此类问题,提出了一种基于Retinex算法的改进网络模型,该网络模型用较少的网络参数,并结合了注意力机制,相较于Retinex-Net,不仅处理速度提升大约1%,而且更为重要的是较大程度上改善了Retinex-Net的生成结果表现过于生硬的情况;同时将预训练模型发布在了https://github.com/neemperor/Retinex-Adv-model上。还构造了一个壁画图像数据集LLM,可用于壁画类图像增强任务网络模型的训练和测试,使输出的模型更适合完成低照度壁(岩)画图像增强任务。

• 出版日期2021
• 单位兰州职业技术学院