-
题名注意力机制下的多阶段低照度图像增强网络
被引量:2
- 1
-
-
作者
谌贵辉
林瑾瑜
李跃华
李忠兵
魏钰力
卢凯
-
机构
西南石油大学电气信息学院
南充职业技术学院机电工程系
-
出处
《计算机应用》
CSCD
北大核心
2023年第2期552-559,共8页
-
基金
南充市市校科技战略合作项目(21SXHZ020)。
-
文摘
对于低照度图像增强过程中,因图像内容重叠且部分区域亮度差异较大导致的图像细节丢失的问题,提出一个注意力机制下的多阶段低照度图像增强网络。第一阶段利用改进的多尺度融合模块对图像进行初步增强;第二阶段利用第一阶段增强后的图像信息与本阶段的输入进行级联,并将其结果作为该阶段多尺度融合模块的输入;第三阶段利用第二阶段增强后的图像信息与该阶段的输入级联,并将其结果作为该阶段多尺度融合模块的输入。这样利用多阶段的方式完成自适应的亮度提升和细节的保留。在公开数据集LOL和SICE上的实验结果表明,相较于MSR算法、灰度直方图均衡化(HE)算法和RetinexNet等算法和网络,所提网络的峰值信噪比(PSNR)的数值提高了11.0%~28.9%,结构相似性(SSIM)的数值提高了6.8%~46.5%。所提网络利用多阶段和注意力机制实现低照度图像增强,有效解决了图像内容重叠和亮度差异大的问题,得到的图像细节更丰富,纹理更清晰,主观辨识度更高。
-
关键词
低照度图像
注意力机制
多阶段
多尺度
自适应
-
Keywords
low-illumination image
attention mechanism
multi-stage
multi-scale
adaptive
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-