基于尺度特征提取的Retinex-net增强网络

作者：孙浩翔; 翟江涛^*; 万东东; 荚东升; 周桥

来源：国外电子测量技术, 2023, 42(09): 74-83.

DOI：10.19652/j.cnki.femt.2305006

• 低照明度图像
• 神经网络
• Retinex算法
• 多尺度
• 噪声处理

针对数字图像会出现亮度低和噪声大等对图像质量造成不良影响的退化现象，基于神经网络模型，构建了基于多尺度特征提取的Retinex-net网络，该网络模型包括3个模块，多尺度特征提取模块、光照分量模块和反射分量模块。首先通过高斯金字塔进行多尺度特征提取；光照估计模型基于最优化模型来求解低光图像的固有曝光不足，并通过融合网络得到光照估计图；在处理反射分量时，将尺度特征图加入去噪网络中以实现细节补偿，通过通道注意力模块提取更多的特征映射。通过消融实验证明了各模块的有效性，并且新模型在保护图像细节和色彩饱和度上均有较好的效果。同时，新模型较对比模型在客观指标参数峰值信噪比(PSNR)上提升约为6.28%,在结构相似性(SSIM)上提升约为12.25%。

• 单位
  南京信息工程大学