注意力机制下的多阶段低照度图像增强网络

作者：谌贵辉; 林瑾瑜; 李跃华; 李忠兵; 魏钰力; 卢凯

来源：计算机应用, 2022, 1-9.

• 低照度图像
• 注意力机制
• 多阶段
• 多尺度
• 自适应

对于低照度图像增强过程中因图像内容有重叠且部分区域亮度差异较大，导致图像细节丢失的问题，提出了一个注意力机制下的多阶段低照度图像增强网络。首先，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;然后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作为该阶段多尺度融合模块的输入;最后，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相级联作为该阶段多尺度融合模块的输入。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数据集上的验证实验结果表明，该网络的峰值信噪比在数值上相较于MSR算法，灰度直方图均衡化(HE)算法和RetinexNet等网络提高了10.9%～21.7%。同时，结构相似性的数值提高了6.78%～22.2%。该网络利用多阶段并结合注意力机制实现低照度图像增强的方式，有效克服了因图像内容重叠和亮度差异大的影响，得到的图像细节更丰富，纹理更清晰，主观辨识度更高。

• 单位
  南充职业技术学院; 西南石油大学