多通道融合注意力网络的低照度图像增强

摘要：

针对低照度图像亮度低、对比度低、颜色失真以及现有增强算法大多没有区别处理不同的通道,不利于提取多层次特征的问题,提出多通道融合注意力网络的低照度图像增强算法.首先,通过将八度卷积(Octave Convolution,Oct-Conv)引入通道拆分后的残差结构中提出多层级特征提取模块;其次,利用注意力机制与交叉残差结构提出跨尺度特征注意模块;再次,通过大小与通道数不同的模块堆叠的方式获取多层次信息;最后,在通道维度上进行特征融合,并通过重建模块获得输出.实验结果表明,与RISSNet算法相比,在真实图像上的峰值信噪比与结构相似度分别由27.0016 dB和0.8892提升到27.9781 dB和0.9255.所提算法在峰值信噪比、结构相似度、均方误差、视觉信息保真度4种客观评价指标上均获得了最好的结果.该算法能够有效地提高低照度图像的亮度及对比度,且图像纹理细节及色彩保持较好.

关键词：图像增强、低照度、注意力机制、多通道、八度卷积

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基础研究计划资助项目

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2111-2122