基于RetinexNet红外图像增强算法的优化

针对红外图像信噪比低,对比度不足的问题,本文旨在红外图像增强,在对已有的比较流行的图像增强技术的研究的基础上,提出了引入无参数的注意力机制模块(SimAM)和使用加入循环残差结构(RRB)的U-Net代替的原始RetinexNet增强网络的图像增强算法。首先,通过在分解网络部分引入注意力机制提高空间特征提取能力,得到图像的光照分量和反射分量。其次,将光照分量和反射分量送入加入循环残差结构的U-Net增强网络,得到增强后的光照分量。最后,将增强后的光照分量和去噪后的反射分量相乘输出增强的红外图像。实验结果表明,与传统Retinex算法和原始RetinexNet算法相比,该算法能够有效提高对比度,丰富图像细节纹理,提高了红外图像的质量。