项目意义

该项目属于图像处理领域，将曝光不足的图像进行细节增强，为用户提供高质量的增强图像。使用的技术包括一些传统的图像处理方法以及深度学习。

概述

该项目使用Atlas 200 DK 开发者套件（型号：3000）导入一张图像作为输入，系统会自动按照设定好的处理流程对图像进行预处理，包括下采样，归一化等。然后获得神经网络的输入格式，传入神经网络，经过神经网络得到具体的增强图像。

模型设计

系统总体设计

系统主要划分为数据处理子系统和模型构建子系统，子系统间相对独立，但存在数据间的关联。其中数据处理子系统主要有数据集整理，数据预处理等功能；模型构建子系统包括模型构建，模型训练等功能。图1给出了系统细化的整体结构，图2描述了各个子系统与模块之间的关系。

图1 系统整体功能结构图

图2 系统流程

模型构建

主要特点是具有多尺度的输入并利用该特性加速网络的训练速度并有效降低网络的规模。在拥有多个尺度的输入的同时，网络拥有相对应的多个尺度的输出，并且可以利用多尺度的输出构建多尺度的loss函数。

效果展示