论文部分内容阅读
现有的多数图像增强方法通常整体增强亮度通道,会导致过度增强、细节丢失及颜色失真等问题。为克服这些问题,提出一种基于生成式对抗网络(Generative Adversarial Networks,GAN)和特征自我保留的弱光图像增强方法 SFPGAN。首先从颜色、亮度及纹理3个方向评判生成图像的真实性,其次引入特征自我保留损失以保留原始图像的特征,最后使用含有一定量正常亮度和过度曝光的图像训练模型使模型获得较强的鲁棒性。大量实验证明,提出的方法在视觉质量和客观指标上都优于其他方法,并且更适应真实的图像。