10.3778/j.issn.1673-9418.2202064
多尺度特征融合的低照度光场图像增强算法
光场图像(LFI)记录了目标场景丰富的三维结构和纹理等信息,在多种计算机视觉任务中拥有巨大优势.但是,低光照条件下采集的光场图像存在亮度低、噪声大等问题,降低了图像质量.提出了一种多尺度特征融合的低照度光场图像增强算法,引入数码单反相机(DSLR)图像来监督网络的训练以提升低照度光场图像的质量.为了充分挖掘和利用光场信息,通过角度和空间Transformer在不同尺度上对光场图像进行特征提取,捕获每个子孔径图像的互补信息以及局部和远程依赖关系.提出一个循环融合模块,利用长短时记忆网络保留不同尺度特征的长时记忆,同时通过局部和全局融合层自适应地聚合整个特征空间中的有用信息.设计了一个4D残差模块从聚合的特征重建目标光场子视图.此外,还构建了一个低照度LFI和正常光照DSLR图像配对的数据集来训练所提出的网络.实验结果表明,所提网络能够有效地提升低照度光场图像的质量,相比其他算法拥有明显的优势.
光场图像(LFI)、低照度图像增强、Transformer、4D卷积
17
TP391(计算技术、计算机技术)
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共13页
1904-1916