Page 324 - 《软件学报》2021年第12期

3988 Journal of Software 软件学报 Vol.32, No.12, December 2021

标也最差.MBLLEN 方法的细节与色彩信息恢复较 KinD 更好,但是仍然欠佳.LLEGAN 和 MRVAE 方法的噪声
较少,但背景的还原效果与真实情况存在偏差,且客观评价得分较低.LLCNN,GLADNet 和 MDARNet 在该测试
集中的还原效果比较接近,且与对应的真实图像在视觉效果相差无几.但是 MDARNet 在各项客观评价指标的
得分均优于 LLCNN,GLADNet,说明在客观评价方面,MDARNet 的增强结果更加接近于原始正常照度图像.综
上所述,在相同的条件下,MDARNet 的增强结果相较于这几种增强方法,能得到更好增强图像.
3.4.2 真实低照度图像增强结果对比
为了进一步验证 MDARNet 对真实低照度图像的增强效果,本文从图像数据库 DICM [31] ,TID2013 [32] ,VV [33] ,
RGB-NIR [34] ,ExDark [35] 中选取多张经典图像进行增强测试,其增强结果分别对应图 9~图 13.

Fig.9 Subjective visual contrast effect of different algorithms on DICM data set
图 9 不同算法在 DICM 数据集上的主观视觉对比效果

Fig.10 Subjective visual contrast effect of different algorithms on TID2013 data set
图 10 不同算法在 TID2013 数据集上的主观视觉对比效果

Fig.11 Subjective visual contrast effect of different algorithms on VV data set
图 11 不同算法在 VV 数据集上的主观视觉对比效果