点击次数：

发表刊物：中国图象图形学报

关键字：车型识别 暗光增强 图像分解 生成对抗网络（GAN） Retinex模型

摘要：目的　由于夜间图像具有弱曝光、光照条件分布不均以及低对比度等特点，给基于夜间车辆图像的车型识 别带来困难。此外，夜间车辆图像上的车型难以肉眼识别，增加了直接基于夜间车辆图像的标定难度。因此，本文从增强夜间车辆图像特征考虑，提出一种基于反射和照度分量增强的夜间车辆图像增强网络（night-time vehicle image enhancement network based on reflectance and illumination components，RIC-NVNet），以增强具有区分性的特性，提高车型识别正确率。方法　RIC-NVNet网络结构由3个模块组成，分别为信息提取模块、反射增强模块和照度增强模 块。在信息提取模块中，提出将原始车辆图像与其灰度处理图相结合作为网络输入，同时改进了照度分量的约束损失，提升了信息提取网络的分量提取效果；在反射分量增强网络中，提出将颜色恢复损失和结构一致性损失相结合，以增强反 射增强网络的颜色复原能力和降噪能力，有效提升反射分量的增强效果；在照度分量增强网络中，提出使用自适应性权重系数矩阵，对夜间车辆图像的不同照度区域进行有区别性的增强。结果　在模拟夜间车辆图像数据集和真实夜间车辆图像数据集上开展实验，从主观评价来看，该网络能够提升图像整体的对比度，同时完成强曝光区域和弱曝光区域的差异性增强。从客观评价分析，经过本文方法增强后，夜间车型的识别率提升了2%，峰值信噪比（peak signal to noise ratio， PSNR）和结构相似性（structural similarity， SSIM）指标均有相应提升。结论　通过主观和客观评价，表明了本文方法在增强夜间车辆图像上的有效性，经过本文方法的增强，能够有效提升夜间车型的识别率，满足智能交通系统的需求。

备注：余烨, 陈维笑, 陈凤欣. 面向车型识别的夜间车辆图像增强网络RIC-NVNet. 中国图象图形学报 2023: 28(7):2054-2067.

论文类型：期刊论文

卷号：28

期号：7

页面范围：2054-2067

是否译文：否

发表时间：2023-07-01