基于移位窗口多头自注意力U型网络的低照度图像增强方法

摘要：

针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题,该文提出一种基于移位窗口自注意力机制的低照度图像增强方法.该文以U型结构为基本框架,以移位窗口多头自注意力模型为基础,构建了由编码器、解码器以及跳跃连接组成的图像增强网络.该网络将自注意力机制的特征提取优势应用到低照度图像增强领域,建立图像特征信息之间的长期依赖关系,能够有效获取全局特征.将所提方法与当前流行的算法进行定量和定性对比试验,主观感受上,该文方法显著提升了图像亮度,抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息;在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面,该方法较其他方法的最优值分别提高了0.35 dB,0.041和0.031.实验结果表明,该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标,具有一定的应用价值.

关键词：图像处理、深度学习、低照度图像增强

所属期刊栏目：44

分类号：TN911.73;TP391

资助基金：国家自然科学基金;陕西省重点研发计划;中国科学院重点实验室开放基金

在线出版日期：2022-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3399-3408