结合色彩校正和结构信息的双路低光照图像增强

• Published in: 光电工程 Vol. 51; no. 9; pp. 80 - 94
• Main Authors: 林珊玲, 陈燕, 张雪, 林志贤, 林坚普, 吕珊红, 郭太良
• Format: Journal Article
• Language: Chinese
• Published: 福州大学先进制造学院,福建 泉州 362200 2024; 中国福建光电信息科学与技术创新实验室,福建 福州 350116%福州大学先进制造学院,福建 泉州 362200; 福州大学物理与信息工程学院,福建 福州 350116; 中国福建光电信息科学与技术创新实验室,福建 福州 350116
• Subjects: multi-scale feature fusion; 注意力卷积; 低光照图像增强; 色彩校正; low light image enhancement; convolution of attention; 多尺度特征融合; color correction
• ISSN: 1003-501X
• DOI: 10.12086/oee.2024.240142

TP394.1%TH691.9; 为改善暗环境下图像的成像效果,本文提出了一种无监督双路低光照图像增强算法,结合了色彩校正和结构信息.该算法基于生成对抗网络,其中生成器采用双分支结构同时处理图像的色彩与结构细节,以实现更自然的颜色恢复和更清晰的纹理细节.判别器引入空间辨别模块(spatial-discriminative block,SDB),以增强其判别能力,推动生成器生成更真实的图像.图像色彩校正模块(Illumination-guided color correction block,IGCB)利用光照特征引导,减少低光照环境下噪声和伪影的影响.通过多尺度通道融合模块(selective kernel channel fusion,SKCF)和优化的注意力卷积模块(convolution attention block,CAB),增强了图像的语义信息和局部细节.实验结果表明,该算法在LOL和LSRW数据集上表现优于经典方法,在LOLv1和LOLv2数据集上,PSNR和SSIM指标分别达到19.89与0.672,以及20.08与0.693,整体性能优于现有无监督算法.实际应用验证了该算法在恢复低光照图像的亮度、对比度和色彩方面的有效性.