基于改进Retinex-Net的低照度图像增强算法

摘要

为解决Retinex-Net在低照度图像增强处理中噪声较大、特征提取不足的问题,提出了一种新的网络结构。首先,将Retinex-Net网络作为基础模型对输入图像进行分解,在卷积层中引入残差收缩网络以去除分解过程中产生的噪声;然后,为了在增强亮度的同时更多保留图像的细节特性并抑制噪声,将增强网络分为3个小型子网络分别进行处理;最后,将调整后的图像进行融合,得到增强后的图像。实验表明:与SIRE、LIME、GLADNet、Retinex-Net算法相比,提出的算法处理的图像峰值信噪比平均提升了3.48 dB,均方误差平均提升了0.0827,结构相似性平均提升了0.146,相对亮度顺序平均提升了271.6。