金字塔渐进融合低照度图像增强网络

• Published in: 国防科技大学学报 Vol. 46; no. 2; pp. 224 - 237
• Main Authors: 余映, 徐超越, 李淼, 何鹏浩, 杨昊
• Format: Journal Article
• Language: Chinese
• Published: 云南大学信息学院,云南昆明 650500 2024
• Subjects: 低照度图像增强; deep learning; 多尺度特征; 深度学习; multi-scale features; 跳跃连接; skip connection; low-illumination image enhancement; 特征金字塔; feature pyramid
• ISSN: 1001-2486
• DOI: 10.11887/j.cn.202402023

TP391; 针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型.网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合.通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像.结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然.