-
题名基于深度强化对抗学习的图像增强方法
被引量：5
- 1
-
-
作者
郭业才
周腾威
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学滨江学院
江苏省大气环境与装备技术协同创新中心
-
出处
《扬州大学学报（自然科学版）》
CAS
北大核心
2020年第2期42-46,51,共6页
-
基金
国家自然科学基金资助项目(61673222)
南京信息工程大学滨江学院科学研究与教学研究资助项目(2019bjynk002,JGZDA201902).
-
文摘
针对Exposure框架图像增强模型的增强结果存在过曝、颜色失真等问题,提出critic正则化相对对抗优势行动者-评论家(relativistic adversarial advantage actor-critic with critic-regulatization,RA3C-CR)框架.通过引入相对均值生成对抗网络对强化学习框架中的奖励函数进行近似建模,增强生成对抗网络判别器的鉴别能力.同时,将行动者-评论家(actor-critic,AC)算法中价值网络的目标函数作为策略梯度算法的惩罚项约束策略网络的学习行为,以提升算法的稳定性和表现能力.实验结果表明,该框架能较好地还原出图像的真实颜色分布,增强图像在主观效果与客观指标上均优于对比方法.
-
关键词
图像增强
深度强化学习
actor-critic算法
critic正则化
生成对抗网络
-
Keywords
image enhancement
deep reinforcement learning
actor-critic algorithm
critic reg-ularizatioin
generative adversarial network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
