隧道图像受拍摄环境影响,存在光照分布不均、局部遮挡、噪点较多等问题,针对现有图像增强算法在优化过程中的过曝与失真,提出一种隧道图像增强算法DA-Zero-DCE(denoising-attention based zero-reference deep curve estimation)。首先...隧道图像受拍摄环境影响,存在光照分布不均、局部遮挡、噪点较多等问题,针对现有图像增强算法在优化过程中的过曝与失真,提出一种隧道图像增强算法DA-Zero-DCE(denoising-attention based zero-reference deep curve estimation)。首先,基于Zero-DCE模型,使用U-Net改进用于曲线估计的主干网络DCE-Net,并且加入坐标注意力机制来提升对图像局部区域的暗光感知能力。其次,在曲线估计主干网络后加入NAF-Net噪声去除模块,有效抑制Zero-DCE在低光照增强后的噪声。此外,为缓解增强图像的失真与过曝现象,将空间一致性损失函数的4邻域计算方式扩展为8邻域计算方式,增强输出结果平滑度。通过LOL数据集的消融实验,DA-Zero-DCE模型比Zero-DCE模型在增强结果上的PSNR(峰值信噪比)提升约10 dB,SSIM(结构相似性)提升约0.1,验证了模型的有效性和可行性。展开更多
文摘隧道图像受拍摄环境影响,存在光照分布不均、局部遮挡、噪点较多等问题,针对现有图像增强算法在优化过程中的过曝与失真,提出一种隧道图像增强算法DA-Zero-DCE(denoising-attention based zero-reference deep curve estimation)。首先,基于Zero-DCE模型,使用U-Net改进用于曲线估计的主干网络DCE-Net,并且加入坐标注意力机制来提升对图像局部区域的暗光感知能力。其次,在曲线估计主干网络后加入NAF-Net噪声去除模块,有效抑制Zero-DCE在低光照增强后的噪声。此外,为缓解增强图像的失真与过曝现象,将空间一致性损失函数的4邻域计算方式扩展为8邻域计算方式,增强输出结果平滑度。通过LOL数据集的消融实验,DA-Zero-DCE模型比Zero-DCE模型在增强结果上的PSNR(峰值信噪比)提升约10 dB,SSIM(结构相似性)提升约0.1,验证了模型的有效性和可行性。