基于多尺度融合卷积神经网络的微光图像增强算法

作者：刘伟强; 赵鹏^*; 宋向迎

来源：激光与光电子学进展, 2023, 60(14): 120-127.

• 图像增强
• 特征融合
• 多尺度
• SKNet
• 注意力机制

由于传统的微光图像增强算法泛化性较差，难以适应复杂多变的真实场景，提出一种基于多尺度融合卷积神经网络的图像增强方法，即通过学习微光图像与正常图像之间的映射关系实现微光图像增强。以微光图像为输入，首先利用预处理模块提取图像浅层信息，然后将选择性卷积核网络（SKNet）融合到局部路径构成特征提取网络，用通道注意模块对特征图进行权重学习得到局部特征，并对其与提取到的全局特征进行融合。由双边网格上采样还原图像尺寸，得到微光图像对应的映射函数，进而完成图像的增强。基于MIT-Adobe 5K数据集，对所提方法与其他9种先进方法进行对比。实验结果表明，所提方法可以较好地提升图像的亮度，丰富图像细节，在视觉效果和定量评价上均优于其他对比算法。