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）
一、内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
二、相关研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
图像增强技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
低照度图像增强现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
HSV颜色模型在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．7
三、基于HSV与级联卷积神经网络的图像增强模型构建．．．．．．．．．．．．8
图像预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
HSV颜色空间的图像分解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
级联卷积神经网络设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
四、模型在低照度图像中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
数据集与实验环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
实验方法与步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
实验结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
模型性能评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
五、模型优势与局限性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
模型优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
局限性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
六、模型优化与改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
网络结构优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
算法参数调整．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
融合其他图像增强技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
七、结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
研究总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
未来研究方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
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）
内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
1.2图像增强技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
1.3HSV与级联卷积神经网络的研究现状．．．．．．．．．．．．．．．．．．．．．．．35
理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.1HSV色彩空间介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.2级联卷积神经网络(CNN)原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2.3图像增强技术分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
基于HSV的图像增强模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
3.1HSV颜色空间与图像处理的关系．．．．．．．．．．．．．．．．．．．．．．．．．．．41
3.2基于HSV的色彩映射策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
3.3基于HSV的图像增强算法实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
HSV与级联卷积神经网络结合