基于条件生成对抗网络的低照度图像增强方法及装置

摘要

一种基于条件生成对抗网络的低照度图像增强方法及装置，针对在日常的图像采集工作中，由于场景光照条件差或者设备的补光能力不足容易产生低照度图像的问题，采用一个具备编解码功能的卷积神经网络模型(CNN)作为生成模型，同时加入具备二分类功能的CNN作为判别模型，组成生成对抗网络。在模型训练的过程中，以真实的亮图像为条件，依靠判别模型监督生成模型以及结合判别模型与生成模型间的相互博弈，使得网络模型具备更好的低照度图像增强能力。解决了处理后图像的颜色失真和边缘模糊的问题，大大提高了增强后的图像质量，同时图像处理速度快，与其他图像增强方法相比处理时间足够短，能够满足对低照度图像进行实时增强的需求。