-
题名基于任务解耦的低照度图像增强方法
被引量：3
- 1
-
-
作者
牛玉贞
陈铭铭
李悦洲
赵铁松
-
机构
福州大学计算机与大数据学院
福建省网络计算与智能信息处理重点实验室(福州大学)
大数据智能教育部工程研究中心
福州大学物理与信息工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第1期34-45,共12页
-
基金
国家自然科学基金(No.62171134)
福建省自然科学基金(No.2023J01067)。
-
文摘
低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存在噪声等缺陷.针对上述问题,本文提出了一种基于任务解耦的低照度图像增强方法,根据低照度图像增强任务对高层和低层特征的不同需求,将该任务解耦为亮度与色彩增强和细节重构两组任务,进而构建双分支低照度图像增强网络模型(Two-Branch Low-light Image Enhancement Network,TBLIEN).其中,亮度与色彩增强分支采用带全局特征的U-Net结构,提取深层语义信息改善亮度与色彩;细节重构分支采用保持原始分辨率的全卷积网络实现细节复原和噪声去除.此外,在细节重构分支中,本文提出一种半双重注意力残差模块,能在保留上下文特征的同时通过空间和通道注意力强化特征,从而实现更精细的细节重构.在合成和真实数据集上的广泛实验表明,本文模型的性能超越了当前先进的低照度图像增强方法,并具有更好的泛化能力,且可适用于水下图像增强等其他图像增强任务.
-
关键词
低照度图像增强
任务解耦
双分支网络模型
对比学习
残差网络
-
Keywords
low-light image enhancement
task decoupling
two-branch network
comparative learning
residual network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
