基于LIME算法的低照度图像增强方法研究

由于低照度图像存在颜色退化、曝光不足等问题,影响图像质量与信息量,因此文章研究了一种基于LIME算法的低照度图像增强方法。通过合成正常曝光图像与低照度图像的数据集,提取了低照度图像的纹理特征与频域特征,并基于Retinex理论与深度学习建立了低照度图像增强模型。通过使用LIME算法提高模型的可解释性,同时减少模型复杂度,提高模型的透明度。在测试集LOL上,PSNR值为21.898、SSIM值为0.902,证明了该方法的可行性和可靠性。