自监督图像增强网络：仅需低照度图像进行训练

Self-supervised Image Enhancement Network Training With Low Light Images Only

作者： 张雨 ¹ 遆晓光 ¹ 张斌 ¹ 王春晖 ¹
作者单位：

1. 哈尔滨工业大学
通讯作者： 遆晓光 Email:dixiaoguang@hit.edu.cn
提交时间：2020-03-06 18:04:29

摘要: 本文提出了一种基于深度学习的自监督低照度图像增强方法。受信息熵理论和Retinex模型的启发，我们提出了一种基于信息熵最大的Retinex模型。利用该模型，一个非常简单的网络可以将照度图和反射图分离开来，且仅用低照度图像就可以进行训练。为了实现自监督学习，我们在模型中引入了一个约束条件：反射图的最大值通道与低照度图像的最大值通道一致，且其熵最大。我们的模型非常简单，不依赖任何精心设计的数据集（即使是一张低照度图像也能完成网络的训练），网络仅需进行分钟级的训练即可实现图像增强。实验证明，该方法在处理速度和效果上均达到了当前最新水平。

低照度图像增强自监督学习最大信息熵 Retinex理论

来自： 张雨
分类： 计算机科学 >> 计算机科学技术其他学科
引用： ChinaXiv:202003.00048 (或此版本 ChinaXiv:202003.00048V1)
DOI:10.12074/202003.00048V1
CSTR:32003.36.ChinaXiv.202003.00048.V1
科创链TXID： 726cbb66-3952-464d-ba19-ca6ede4ab3b8
推荐引用方式： 张雨,遆晓光,张斌,王春晖.自监督图像增强网络：仅需低照度图像进行训练.null.[DOI:10.12074/202003.00048V1] (点此复制)

版本历史

[V1]

2020-03-06 18:04:29

ChinaXiv:202003.00048V1

下载全文

1. Simplifying Low-Light Image Enhancement Networks with Relative Loss Functions	2023-10-08
2. 用于MEMS激光雷达内部时间同步的一种简单自标定方法	2021-10-21
3. 自监督图像增强及去噪	2021-03-01
4. Better Than Reference In Low Light Image Enhancement Conditional Re-Enhancement Networks	2020-08-26
5. Learning an Adaptive Model for Extreme Low-light Raw Image Processing	2020-04-14

1. 三元解耦潜在扩散的水电巡检低照度图像增强	2026-11-05
2. 面向实际应用的微表情分析：从数据采集到智能部署	2025-06-12
3. 结合DCGAN与LSTM的阿兹海默症分类算法	2019-04-01
4. 多级分解的Retinex低照度图像增强算法	2019-01-28
5. 面向图文匹配任务的多层次图像特征融合算法	2019-01-28
6. 基于图像级标签及超像素块的弱监督显著性检测	2018-12-13
7. 面向web图像检索的基于语义迁移的无监督深度哈希	2018-05-24


公开评论匿名评论仅发给作者

自监督图像增强网络：仅需低照度图像进行训练

版本历史

相关论文推荐 作者相关论文