基于 CycleGAN 的低照度人脸图像增强

来源：计算机技术与发展杂志2021年第11期北京时间：

作者：朱克亮;张天忠;石雪梅;张树涛;';陈良锋

单位：1. 国网安徽省电力有限公司建设分公司,安徽 合肥 230022;2. 国网安徽省电力有限公司,安徽 合肥 230061;3. 中国科学院合肥物质科学研究院,安徽 合肥 230026;4. 中国科学技术大学,安徽 合肥 230031

摘要：人脸识别系统经常会受到光照环境的影响。 为了提高低照度条件下的人脸识别性能,提出了一种基于循环生成对抗网络的低照度人脸图像增强方法,利用循环生成对抗网络将低照度条件下的人脸图像转换成正常光照下的人脸图像。 模型包含生成器和判别器, 生成器由包含 4 个卷积层、9 个残差网络层和 2 个转置卷积层的卷积神经网络组成,判别器由包含 5 个卷积层的卷积神经网络组成。 在循环生成对抗网络训练的过程中,采用改进的损失函数,并结合梯度惩罚项来训练网络模型,提升了稳定性,加快了网络收敛速度,并且提高了生成人脸图像的质量。 在 VV 数据集上的实验结果表明, 该方法能够有效地实现低照度条件下的人脸图像增强,对比 HE、MSR 和 MSRCR 算法在 PSNR、SSIM 和 MSE 指标上有较大提高。

关键词：循环生成对抗网络;图像增强;低照度;梯度处罚;深度学习