深度学习技术在图像增强中的应用研究

张 新瀛
重庆交通大学

摘要

深度学习技术已经在图像增强领域取得了显著的进展。这种技术通过使用卷积神经网络 (CNNs) 和生成对抗
网络 (GANs) 等深度学习模型，可以在图像去噪、图像去模糊、超分辨率重建和图像增强等方面取得很好的效果。这
些深度学习技术已经被广泛应用于医学影像分析、卫星图像处理、视频去噪等领域。这些技术不仅能提高图像质量，
而且能更好地展示信息。在未来，深度学习技术在图像增强领域的研究将继续取得新的进展，并在更多的应用中得
到广泛应用。此外，研究人员将继续寻求更高效、更准确的深度学习技术来提高图像增强的效果。另外，研究人员
也将继续探索在资源受限的环境中如何使用深度学习技术来实现图像增强。总之，深度学习在图像增强领域的研究
将继续发展，并在越来越多的领域中取得应用。

关键词

深度学习；图像增强；卷积神经网络；自编码器；生成对抗网络

参考

[1] 燕雨洁, 张煜朋, 贾珍珠, 苏红旗. 基于深度学习

的低照度图像增强技术研究综述. 无线互联科技, 2021.

18(01): p. 77-80.

[2] 王万良, 杨小涵, 赵燕伟, 高楠, 吕闯, 张兆娟. 采

用卷积自编码器网络的图像增强算法. 浙江大学学报(工

学版), 2019. 53(09): p. 1728-1740.

[3] 刘迪, 贾金露, 赵玉卿, 钱育蓉. 基于深度学习的

图像去噪方法研究综述. 计算机工程与应用, 2021. 57(07):

p. 1-13.

[4] 吴靖, 叶晓晶, 黄峰, 陈丽琼, 王志锋, 刘文犀. 基

于深度学习的单帧图像超分辨率重建综述. 电子学报,

2022. 50(09): p. 2265-2294.：