基于通道校正卷积的真彩色微光图像增强

摘要：

针对现有真彩色夜视相机所成图像亮度低、对比度低、噪声和色彩失真等问题,提出基于通道校正卷积的神经网络算法.通道校正卷积的上分支引入通道注意力块分析RGB通道之间的特征,用来代替U-Net网络中的传统卷积,实现颜色恢复并保留更多图像信息;在传统损失函数中增加Sobel损失函数和色彩损失函数,抑制噪声的同时并保护图像细节,减小色差、增强对比度.采集真实场景下的图像数据集,提升对实际数据的处理效果.实验结果表明:该算法能同时处理低照度图像的亮度、对比度、噪声和色差问题,增强效果优于目前主流算法;与传统卷积的U-Net网络相比,降低了模型复杂度,提高了运行速度,计算量减少了 13.71%,参数减少了 13.65%,PSNR值提升了29.20%,SSIM值提升了7.23%,色差减少了10.46%,兼顾了成像质量与成像速度.

关键词：微光图像、图像增强、颜色恢复、噪声抑制、卷积神经网络

所属期刊栏目：44

分类号：TN223(光电子技术、激光技术)

资助基金：国家自然科学基金;江苏高校青蓝工程资助项目

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1643-1654