为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。

健康医疗领域中往往需要曲面光源照射曲面被测物,如何设计发光二极管(LED)阵列,使其产生均匀的照度分布具有一定的研究意义。为此,将柱面LED曲面面阵分成两部分,直线LED阵列和环形LED阵列。对曲面LED阵列光源和柱状曲面目标接收面的光场分布构建了反映照度分布的目标函数,确定了环形LED阵列的照度均匀性由LED灯珠的光辐射参数、灯珠阵列曲面半径、接收曲面半径和相邻两灯珠之间的夹角决定。采用TracePro光线追迹法分别计算了两种阵列的照度分布情况,通过优化LED曲面面阵排布,在柱面目标面上产生了均匀的照度分布。

系数法照度计算

LIME低照度图像增强算法，里面包含C++程序和测试效果图像，可直接使用，效果惊人，非常值得下载！！！

此资源提供了如何利用opencv进行低照度图像增强的详细解答

水下图像/视频 颜色恢复 同时有去雾 低照度图像增强的功能 压缩包解压即可处理效果可移步ttps://blog.csdn.net/qq_37487118/article/details/104884230 360可能报毒

针对RetinexNet低照度图像增强算法中出现的颜色失真、边缘模糊等问题,提出了一种改进的RetinexNet算法。首先,利用HSV(Hue,Saturation,Value)颜色空间模型中各通道相对独立的特性,增强亮度分量;然后,利用相关系数使饱和度分量随亮度分量的变化自适应调整,避免图像色感发生变化;最后,针对增强图像的边缘模糊问题,采用Laplace算法对反射率图像进行锐化处理,增强图像的细节表达能力。实验结果表明,本算法可以有效增强图像的细节,保持图像的整体色彩和原始图像一致,提高图像的视觉效果。

LIME-low light/ night image enhancement 2017-tip 神作 效果惊人。包里含有完整的 测试代码； 直接可以使用作为对比

基于 Retinex-UNet 算法的低照度图像增强

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。