典型文献
基于深度学习的非均匀光照图像优化研究
文献摘要：
针对非均匀光照条件下图像质量下降的问题,设计基于深度学习的非均匀光照图像优化方法.将非均匀光照图像从RGB空间转至HSI颜色空间,令图像色度分量与饱和度分量维持原样;通过深度卷积神经网络算法提取特征,获取转换后图像亮度分量特征;利用非线性映射将亮度分量特征转换至高维空间,得到高维亮度分量特征;通过深度学习中的专注力机制,增强高维亮度分量特征;重建增强的高维亮度分量特征,完成图像优化.实验证明:该方法可有效优化非均匀光照图像,提升图像的保真效果与质量,优化后的图像更为自然、清晰度较高,具备较优的图像效果.
文献关键词：
深度学习;非均匀光照;图像优化;颜色空间;亮度分量;注意力机制
中图分类号：
作者姓名：
刘艳辉;李娜;韩翔宇;张玉霞
作者机构：
邯郸学院,河北邯郸 056005
文献出处：
引用格式：
[1]刘艳辉;李娜;韩翔宇;张玉霞-.基于深度学习的非均匀光照图像优化研究)[J].激光杂志,2022(07):113-117
A类：
B类：
非均匀光照图像,图像优化,光照条件,下图,图像质量,RGB,转至,HSI,颜色空间,色度分量,原样,深度卷积神经网络算法,提取特征,后图,图像亮度,亮度分量,非线性映射,特征转换,高维空间,专注力,成图,有效优化,保真,真效果,清晰度,注意力机制
AB值：
0.266726
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
