首页 > 《当代电力文化》 > 2022年11期 > 低照度图像增强算法研究与对比

低照度图像增强算法研究与对比

在线阅读下载PDF 导出详情

摘要摘要：本文对低照度图像增强的空域法、基于Retinex理论、基于去雾算法和基于深度学习的算法进行了综述，并给出了对比分析。

DOI ojnrxxq1dr/6433437

作者过增阳

机构地区长春理工大学数学与统计学院，吉林长春 130012

出处《当代电力文化》 2022年11期

关键词低照度图像增强域法 Retinex理论深度学习

分类 [电气工程][电力系统及自动化]

出版日期 2022年09月21日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1司晓云;文杰;王潇. 基于第二代曲波变换的低照度彩色含噪图像增强算法.物理电子学,2016-04.
2朱海通. 视频监控系统中的低光照图像增强与恢复算法研究.建筑技术科学,2024-01.
3王辉静;李坤颖;吴舟;刘星明. 一种增强图像对比度与局部细节的算法研究.高等教育学,2018-05.
4admin. 结合局部对比度增强的直方图均衡化图像增强算法.自动化与计算机技术,2019-08.
5辛宁;王国宏;张静;徐福择. 基于图像域的势函数正则化SAR图像增强算法.信号与信息处理,2006-06.
6高林;赵建辉. 基于小波变换的图像融合增强算法.航空宇航推进理论与工程,2017-04.
7吴天元. 雾霾环境下图像去雾算法的对比研究.文化科学,2019-01.
8杨党党. 低照度摄像机的认识与应用.检测技术与自动化装置,2009-11.
9李建虎;郭艳柳. 图像灰度匹配算法研究.海洋科学,2008-06.
10陈秀芳1,袁峰超2. 图像匹配算法研究概述.,2022-06.

来源期刊

当代电力文化

当代电力文化

相关推荐

同分类资源更多

相关关键词

低照度图像增强域法 Retinex理论深度学习

返回顶部