注意力机制引导暗区域的低光照图像增强

• 作者: 耿馨雨 余磊 唐保香 谢大涛
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 深度学习 注意力机制 低光照图像 图像增强
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 图像处理
• 页码范围: 26-34
• 页数: 9页
• 语种: 中文

摘要

针对黑暗场景下拍摄的光照图像中所产生的光照不均匀,恢复细节不够清晰等问题,提出了基于深度学习的一种低光照图像增强方法,称为ADLIE(Attention-directed Low-light Image Enhancement)算法.首先,利用双通道注意力机制来引导注意网络,依据输入图像的明暗程度进行区域性的分级划分,同时双通道注意力机制还可以提取更多良好的局部特征信息.然后,将注意图和输入图像一同输入到增强网络中.对不同区域利用不同级别的光照强度来提升图像对比度,达到整体图像的均匀曝光的效果.最后,加入增强模块,利用增强模块中的多层卷积连接恢复图像细节,来获得更自然清晰的高质量图像.此外,采用在真实场景下采集的公开LOL数据集和LSRW数据集进行的实验验证,对比了 Retinex、R2RNet等经典的方法,在PSNR(峰值信噪比)、SSIM(结构相似性)、CTRS(对比度)和Information Entropy(信息熵)等常见的评价指标上的实验结果有了显著的提升.该网络在提高低光照图像整体亮度的同时恢复了图像的细节,减少了颜色失真,避免了全局过度曝光,得到更加清晰自然的图像.