融合特征注意力机制的非均匀光照图像增强算法

摘要：

在非均匀光照环境下用户获取到的图像往往呈现亮度分布不均、细节丢失等特点.针对现有图像增强算法在处理非均匀光照图像时容易造成局部过度增强或增强不足等问题,提出一种融合特征注意力机制的非均匀光照图像增强算法(ULIEN).通过学习非线性Gamma函数将非均匀光照图像映射为增强图像,引入亮度注意力图和通道注意力机制分别为图像不同的亮度区域和特征通道分配不同的学习权值,实现不同区域的图像增强.在训练过程中,ULIEN增强网络无需任何参考图像,通过一组无参考损失函数的设计驱动增强网络训练.实验结果表明,经所提算法增强后的图像在主观视觉方面能有效避免细节丢失、伪影、局部过增强或增强不足等问题,在BTMQI、ENIQA、TMQI、UNIQUE客观评价指标上分别可达3.727 0、1.109 6、0.903 0、0.755 7,相较于对照增强算法具有明显优势.

关键词：图像增强、非均匀光照图像、Gamma校正、无监督学习、注意力机制

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：陕西省科技发展计划项目2020TG-005

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：232-239