基于GAN和U-Net的低光照图像增强算法

• 作者: 李晨曦 李健
• 来源期刊: 计算机系统应用
• 关键词: 低光照图像增强 生成对抗网络 U-Net 混合注意力 non-local 深度学习
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 174-183
• 页数: 10页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008431

摘要

夜间、低光照等条件下的产生的图像数据,存在画面过暗、细节丢失的问题,对理解图像内容、提取图像特征造成阻碍.研究针对此类图像的增强方法,恢复图像的亮度、对比度和细节,在数字摄影、上游计算机视觉任务中有着重要的应用价值.本文提出一种基于U-Net的生成对抗网络,生成器采用带有混合注意力机制的U-Net模型,其中混合注意力模块将非对称的non-local的全局信息和通道注意力的通道权重信息相结合,提高网络的特征表示能力.判别器采用基于PatchGAN的全卷积网络模型,对图像不同区域进行局部处理.本文引入多损失加权融合的方法,从多个角度引导网络学习低光照图像到正常光照图像的映射.通过实验证明,该方法在峰值信噪比、结构相似性等客观指标上取得较好的成绩,同时合理的恢复了图像的亮度、对比度和细节,直观上改善了图像的感知质量.