融合注意力引导的多尺度低照度图像增强方法

作者：张雅荔; 李文元^*; 李昌禄; 丁少博

来源：西安电子科技大学学报, 2023, 50(01): 129-136.

DOI：10.19665/j.issn1001-2400.2023.01.015

• 图像处理
• 图像增强
• 注意力机制
• 多尺度特征融合

弱光环境导致图像采集设备拍摄的照片呈现出对比度低、亮度较暗、目标物难以分辨等特点。为了改善图像质量，提出了一种融合注意力引导的多尺度低照度图像增强方法。首先，构建密集残差网络作为多尺度特征提取器，用于提取低照度图像中不同尺度的特征图；其次，利用改进的RefineNet对提取出的不同尺度的特征图进行融合，以便充分利用图像中的特征信息；同时，在网络中引入注意力机制，基于边缘检测结果生成注意力图，并与损失函数相结合来引导网络进行训练，在不增加网络推理负担的同时，增强隐藏在黑暗中的细节信息；最后，实验分别选用合成图像和SID(See-in-the-Dark)数据集进行训练与测试。相较于对比算法，峰值信噪比(PSNR)和结构相似性(SSIM)分别平均提高了约0.79 dB和0.119。结果表明，所提方法能有效提高亮度和对比度，恢复图像边缘细节，主观视觉效果得到提升。

• 单位
  天津大学