基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用.docx
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用
目录
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用（1）
内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
相关技术介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
2.1HSV颜色空间．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
2.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
2.3级联卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
图像增强方法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
3.1基于HSV的图像增强．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
3.2基于CCN的图像增强．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
HSV与CCN结合的应用研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
4.1HSV与CCN结合原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
4.2HSV与CCN结合的具体实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
4.3模型训练过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
实验设计与数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
5.1实验设计原则．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
5.2数据集选择及预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
结果分析与讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
6.1训练效果评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
6.2分析结果对比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
6.3故障原因探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
7.1主要结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
7.2展望未来的研究方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用（2）
一、内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
二、相关技术与背景介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
HSV颜色空间理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
卷积神经网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
图像增强技术及其在低照度图像中的应用．．．．．．．．．．．．．．．．．．．34
三、基于HSV与级联卷积神经网络的图像增强模型构建．．．．．．．．．．．35
数据集准备与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
模型架构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
（1）输入层设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
（2）级联卷积层设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
（3）输出层设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
模型训练与优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
（1）损失函数选择．