基于多尺度融合卷积神经网络的微光图像增强算法
由于传统的微光图像增强算法泛化性较差,难以适应复杂多变的真实场景,提出一种基于多尺度融合卷积神经网络的图像增强方法,即通过学习微光图像与正常图像之间的映射关系实现微光图像增强.以微光图像为输入,首先利用预处理模块提取图像浅层信息,然后将选择性卷积核网络(SKNet)融合到局部路径构成特征提取网络,用通道注意模块对特征图进行权重学习得到局部特征,并对其与提取到的全局特征进行融合.由双边网格上采样还原图像尺寸,得到微光图像对应的映射函数,进而完成图像的增强.基于MIT-Adobe 5K数据集,对所提方法与其他9种先进方法进行对比.实验结果表明,所提方法可以较好地提升图像的亮度,丰富图像细节,在视觉效果和定量评价上均优于其他对比算法.
图像增强、特征融合、多尺度、SKNet、注意力机制
60
TP391.4(计算技术、计算机技术)
军队科研资助项目
2023-08-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
112-119