基于通道校正卷积的真彩色微光图像增强

作者：何锦成; 韩永成; 张闻文; 何伟基; 陈钱

来源：兵工学报, 2022, 1-12.

• 微光图像
• 图像增强
• 颜色恢复
• 噪声抑制
• 卷积神经网络

针对现有真彩色夜视相机所成图像亮度低、对比度低、噪声和色彩失真等问题，提出了基于通道校正卷积的神经网络算法。通道校正卷积的上分支引入了通道注意力块分析RGB通道之间的特征，用来代替U-Net网络中的传统卷积，实现颜色恢复并保留更多图像信息；在传统损失函数中增加Sobel损失函数和色彩损失函数，抑制噪声的同时并保护图像细节，减小色差，增强对比度。采集了真实场景下的图像数据集，提升了对实际数据的处理效果。实验结果表明，该算法能同时处理低照度图像的亮度、对比度、噪声和色差问题，增强效果优于目前主流算法，与传统卷积的U-Net网络相比，降低了模型复杂度，提高了运行速度，计算量减少了13.71%，参数减少了13.65%，PSNR的值提升了29.20%，SSIM的值提升了7.23%，色差减少了10.46%，兼顾了成像质量与成像速度。

• 单位
  南京理工大学