本文主要是介绍图像增强算法综述，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

摘要

图像增强的含义

图像增强算法主要是对成像设备采集的图像进行一系列的加工处理, 增强图像的整体效果或是局部细节,从而提高整体与部分的对比度, 抑制不必要的细节信息, 改善图像的质量, 使其符合人眼的视觉特性。

光线暗，照度低、曝光不足会导致图片整体亮度偏低，噪声大，边缘细节信息丢失严重，影响图像视觉效果，因此对低照度图像进行处理是极有必要的。

基于深度学习的低照度图像增强方法：

深度生成式模型

自编码器（LLNet）

生成式对抗网络(GAN)

深度判别式模型

卷积神经网络模型(CNN)

循环神经网络（RNN）

评价指标

峰值信噪比PSNR：

它是原图像与被处理图像之间的均方误差相对于的对数值；

PSNR的值越大，就代表失真越少，图像的质量越好；

结构相似性SSIM：

是一种衡量两幅图像相似度的指标。

它把与物体结构相关的亮度和对比度作为图像中结构信息的定义。

自然图像质量评估NIQR：

提取自然景观中的特征来对测试图像进行测试。

这篇关于图像增强算法综述的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！