科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对低光图像存在对比度低、细节信息丢失及颜色失真等问题，提出了Retinex-MSANet低光照图像增强算法。首先，利用U-Net的分解网络对图片分解为光照分量和反射分量；然后，将光照分量信息通过卷积网络，在此过程中加入去噪和分解过程中产生的噪声损失。同时，将反射分量的图像信息通过增强网络，使利用多尺度网络结构和注意力机制来低光图像不同区域进行自适应增强和对上下文信息融合，使在增强反射分量亮度的同时减少信息的丢失；最后，将光照分量和增强后的反射分量进行融合，以此来进一步增强图像输出。实验表明，在反射分量里引入注意力机制能够很好地自适应对低光图像增强。与R2RNet相比在PSNR和NIQE上分别提升了7%和3%。
- 单位
