基于U-Net的多尺度低照度图像增强网络

摘要：

低照度是夜晚拍摄时常见的一种现象,不充分的光照会使图像细节损失严重,降低图像视觉质量.针对现有低照度图像增强方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种基于U-Net的多尺度低照度图像增强网络(MSU-LIIEN).采用特征金字塔作为基本处理框架,实现对低照度图像的特征提取.在特征金字塔构建的3个分支结构中均使用U-Net作为骨干网,对提取到的浅层图像特征进行编码与解码操作,同时引人结构细节残差融合块以增强网络模型提取和表征低照度图像特征信息的能力.在此基础上,对提取到的特征信息逐层融合,恢复正常光照图像.实验结果表明,MSU-LIIEN在LOL-datasets和Brighting Train数据集中相比于性能排名第二的KinD模型,平均峰值信噪比分别提高16.21％和46.67％,且在主观视野感受和客观评价指标方面均优于所有对比的经典模型,不但能有效提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,使增强后的图像整体画面真实自然.

关键词：低照度图像增强、深度学习、U-Net网络、多尺度特征图、感受野

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;云南省应用基础研究计划;云南大学中青年骨干教师培养计划

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：215-223