-
题名PNet:融合注意力机制的多级低照度图像增强网络
被引量：4
- 1
-
-
作者
杨微
张志威
成海秀
-
机构
广州软件学院软件工程系
华南理工大学计算机科学与工程学院
华南理工大学机器学习与数据挖掘团队
华南理工大学广东省计算机网络重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第5期1579-1585,共7页
-
基金
2018年度广东省普通高校重点科研平台和科研项目(2018KQNCX395,2018KQNCX394)
2021年度广东省普通高校特色创新(自然科学)项目(2021KTSCX160,2021KTSCX161)。
-
文摘
低照度图像存在亮度低、噪声伪影、细节丢失、颜色失真等退化问题,使得低照度图像增强成为一个多目标增强任务。现有多数增强算法不能很好地在多个增强目标上取得综合的性能,对此,提出PNet——融合注意力机制的多级低照度图像增强网络模型,通过构建多级串联增强任务子网,结合注意力机制设计多通道信息融合模块进行有效特征筛选及记忆,网络以序列方式处理图像流,协同渐进式完成图像全局自适应亮度提升、噪声伪影抑制、细节恢复、颜色矫正等多任务。此外,通过与现有主流算法进行定量及定性分析对比,结果显示该方法能实现自适应图像亮度增强、细节对比度提升,增强后图像整体亮度自然,没有明显光晕及伪影且色彩较丰富真实,在PSNR、SSIM、RMSE指标中较次优算法分别提升0.229、0.112、0.335。实验结果表明,该方法在低照度图像增强的多目标任务上取得了综合较优秀的表现,具有一定的应用价值。
-
关键词
低照度图像增强
注意力机制
长短记忆
监督学习
多级子网
-
Keywords
low-illumination image enhancement
attention mechanism
LSTM
supervised learning
multi-level subnet
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
