カメラの撮像過程において、視点の変化により周辺減光効果が生じ、画像の中央が明るく周辺が暗くなる現象が発生する。周辺減光の存在は画像の縁部のテクスチャ情報の一部を失わせ、機械視覚処理の性能に大きな影響を及ぼす。この問題に対し、本論文では画像の鮮明度補正とノイズ除去性能の向上の2点からRetinex-Netネットワークモデルを改良した。まず、原モデルに空洞畳み込みを追加し、補正画像の高解像度を保持し受容野を拡大した。次に、画像のノイズ除去を密な残差ネットワーク方式に改良し、周辺減光画像の各層特徴を密に抽出し、より多くの画像の細部特性を保持しノイズを抑制することを目指した。最後に、周辺減光画像のデータセットを構築し、本論文で提案したアルゴリズムの補正性能をテストセットで検証した。本アルゴリズムは改良前の原モデルと比較してSSIM値が0.293向上し、PSNR値が0.727向上し、RMSE値が0.095低下した。画像エントロピー最小化、自適応補償Retinex、放射状勾配対称性に基づく補正アルゴリズムと比較して、本アルゴリズムはより優れた補正性能を持ち、視覚的にも観察と理解に適している。

周辺減光画像補正; Retinex理論; 空洞畳み込み; 残差ネットワーク