Während des Bildentstehungsprozesses der Kamera entsteht durch die Veränderung des Blickwinkels ein Vignettierungseffekt, der dazu führt, dass das Bild in der Mitte hell und an den Rändern dunkel erscheint. Das Vorhandensein der Vignettierung führt zum Verlust von Teilen der Randtexturinformationen im Bild, was die Leistung der maschinellen Bildverarbeitung erheblich beeinträchtigt. Um dieses Problem anzugehen, wird in diesem Artikel das Retinex-Netzwerkmodell aus zwei Perspektiven verbessert: Bildschärfekorrektur und Verbesserung der Rauschunterdrückungsleistung. Zunächst werden im ursprünglichen Modell dilatierte Faltungen hinzugefügt, um die hohe Auflösung des korrigierten Bildes beizubehalten und das rezeptive Feld zu vergrößern. Zweitens wird die Rauschunterdrückung durch ein dichtes Residualnetz verbessert, um die Merkmale jeder Ebene des vignettieren Bildes dicht zu extrahieren, mehr Bilddetails zu bewahren und Rauschen zu unterdrücken. Schließlich wurde ein Datensatz mit vignettierten Bildern erstellt und die Leistung des in diesem Artikel vorgeschlagenen Algorithmus auf einem Testdatensatz validiert. Im Vergleich zum ursprünglichen Modell vor der Verbesserung stieg der SSIM-Wert um 0,293, der PSNR-Wert um 0,727 und der RMSE-Wert sank um 0,095. Im Vergleich zu Korrekturalgorithmen, die auf Minimierung der Bildentropie, adaptiver Retinex-Kompensation und auf radialer Gradientsymmetrie basieren, zeigt der Algorithmus dieses Artikels eine bessere Korrekturleistung und ist visuell besser zum Beobachten und Verstehen geeignet.

Vignettenkorrektur von Bildern; Retinex-Theorie; dilatierte Faltung; Residualnetz