基于卷积网络模型的低照度激光图像特征增强方法 |
| |
引用本文: | 周恺,李婧.基于卷积网络模型的低照度激光图像特征增强方法[J].四川激光,2023(12):120-125. |
| |
作者姓名: | 周恺 李婧 |
| |
作者单位: | 1. 南京晓庄学院信息工程学院;2. 南京市智能信息处理重点实验室 |
| |
基金项目: | 国家自然科学基金青年项目(No.62205150);;江苏省自然科学基金青年项目(No.BK20210036);;江苏省高等学校自然科学研究项目(No.21KJB510013); |
| |
摘 要: | 针对当前低照度激光图像特征增强方法在图像增强过程中需进行多次翻转平移处理,造成激光图像特征增强后损失值较大的问题,提出基于卷积网络模型的低照度激光图像特征增强方法。应用激光图像色彩模型以及去噪自编码器,完成低照度激光图像预处理。使用分段性变换方法设计激光图像映射关系函数,得到低照度激光图像增强目标函数。构建卷积神经网络模型以及模型对应损失函数,完成低照度激光图像特征增强。至此,基于卷积网络模型的低照度激光图像特征增强方法设计完成。实验结果表明:此方法增强真实与合成图像特征后的损失值较低,分别为0.245和0.361,其峰值信噪比较高,分别为45.52和48.54,极大地提高了图像的应用价值,且文中方法对图像增强处理的时长最短,在13 s到16 s之间,其应用性能较高。
|
关 键 词: | 卷积网络模型 图像滤波处理 图像增强 损失函数 低照度激光图像 处理时长 |
|