科研之友
微信
新浪微博
Facebook
分享链接
摘要
近几年，卷积神经网络在低照度图像增强方向取得了显著成果.然而，现有的大多数基于传统卷积神经网络的低照度增强模型效果受限于卷积中卷积核感受野是局部的，且池化层的应用使很多有价值的特征信息丢失.为了解决这些问题，提出了一种端到端低照度图像增强网络.首先，运用平滑扩展卷积层和Convolutional Block Attention Module(CBAM)注意力机制分别对图像进行特征提取；然后，通过拼接操作进行多层次特征融合；最后，多通道特征被送入到残差网络构成的重构网络，生成最终的增强图像.此外，采用复合损失函数对低照度图像数据集进行训练.实验结果表明，通过该方法，可以更好地实现图像多通道特征提取，主观视觉上提高了图像的亮度和对比度，更加符合人眼的视觉系统特性，与目前主流的图像增强方法相比，提出网络的平均客观图像质量指标PSNR、SNR在测试集上都优于其他算法.
- 单位
