强化特征图的无参考低光照图像增强

TP391; 针对低光照图像质量不佳、夹杂噪声导致对比度和亮度不足、细节不清晰,且成对的低光照图像数据集获取成本过高的问题,在生物视觉马赫带效应的启发下,提出一种强化特征图的无参考低光照图像增强方法.使用强化滤波块(EFB)对图像和特征图进行特征强化,抑制噪声的同时强化特征细节,提高网络对特征的学习能力.将跳跃连接与空间注意力模块(ESA)结合,通过融合强化的浅层特征与深层特征来提取全局上下文信息和局部区域特征,有效保留了图像的色彩信息,避免细节丢失,提高网络的泛化能力.使用像素估计曲线调整低光照图像像素的动态范围,对其进行亮度增强.实验结果表明,经该算法处理后的图像在PSNR、SSIM、LP...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 9; pp. 2449 - 2465
Main Authors 袁姮, 王笑雪, 张晟翀
Format Journal Article
LanguageChinese
Published 辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105%光电信息控制和安全技术重点实验室,天津 300308 01.09.2024
Subjects
atten-tion mechanism
image processing
生物视觉机制
注意力机制
强化特征图
image enhancement
enhanced feature map
图像处理
biological vision mechanism
无参考方法
图像增强
no-reference method
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2308052

Cover

More Information
Summary:TP391; 针对低光照图像质量不佳、夹杂噪声导致对比度和亮度不足、细节不清晰,且成对的低光照图像数据集获取成本过高的问题,在生物视觉马赫带效应的启发下,提出一种强化特征图的无参考低光照图像增强方法.使用强化滤波块(EFB)对图像和特征图进行特征强化,抑制噪声的同时强化特征细节,提高网络对特征的学习能力.将跳跃连接与空间注意力模块(ESA)结合,通过融合强化的浅层特征与深层特征来提取全局上下文信息和局部区域特征,有效保留了图像的色彩信息,避免细节丢失,提高网络的泛化能力.使用像素估计曲线调整低光照图像像素的动态范围,对其进行亮度增强.实验结果表明,经该算法处理后的图像在PSNR、SSIM、LPIPS和NIQE等指标上分别达到了17.709 dB、0.657、0.239和3.486,该方法相较于现有的主流算法能够更好地达到图像增强目的,有效地提升图像亮度和细节信息,同时保持图像的自然属性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2308052