低照度彩色偏振图像增强算法LPEGAN

摘要

针对低照度场景下彩色偏振图像亮度低、噪声严重以及颜色失真等问题，提出了一种低照度彩色偏振图像色彩增强的无监督学习算法LPEGAN（Low-Light Polarization Enhance Generative Adversarial Network）。首先，设计双分支特征提取模块，使用不同分支分别对斯托克斯参数S₀和S₁,S₂进行特征提取；其次，构建残差空洞卷积模块，不同扩张率能扩大感受野，提高模型提取能力，减少图像颜色失真；最后，构造边缘纹理损失函数，用于保证增强图像与输入图像的结构相似性。在公开的数据集LLCP（Low-Light Chromatic Intensity-Polarization Imaging）、 IPLNet（Intensity-Polarization Imaging in Low Light Network）以及自建数据集上进行了实验验证。结果表明，相较于其他算法，所提算法能呈现出更好的视觉效果，且各项评价指标均得到明显改善，偏振图像亮度得到增强，噪声得到明显抑制，并且图像颜色更加真实自然。

关键词

低照度偏振图像 / 双分支特征提取 / 残差空洞卷积 / 边缘结构相似性损失