计算机应用研究

作者：杨微,张志威,成海秀,

单位：1.广州软件学院软件工程系,广州510990；2.华南理工大学a.计算机科学与工程学院;b.机器学习与数据挖掘团队;c.广东省计算机网络重点实验室,广州510641；

关键词：低照度图像增强,注意力机制,长短记忆,监督学习,多级子网,

基金：2018年度广东省普通高校重点科研平台和科研项目(2018KQNCX395,2018KQNCX394)；2021年度广东省普通高校特色创新(自然科学)项目(2021KTSCX160,2021KTSCX161)；；

低照度图像存在亮度低、噪声伪影、细节丢失、颜色失真等退化问题，使得低照度图像增强成为一个多目标增强任务。现有多数增强算法不能很好地在多个增强目标上取得综合的性能，对此，提出PNet——融合注意力机制的多级低照度图像增强网络模型，通过构建多级串联增强任务子网，结合注意力机制设计多通道信息融合模块进行有效特征筛选及记忆，网络以序列方式处理图像流，协同渐进式完成图像全局自适应亮度提升、噪声伪影抑制、细节恢复、颜色矫正等多任务。此外，通过与现有主流算法进行定量及定性分析对比，结果显示该方法能实现自适应图像亮度增强、细节对比度提升，增强后图像整体亮度自然，没有明显光晕及伪影且色彩较丰富真实，在PSNR、SSIM、RMSE指标中较次优算法分别提升0.229、0.112、0.335。实验结果表明，该方法在低照度图像增强的多目标任务上取得了综合较优秀的表现，具有一定的应用价值。

来源：2022年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第5期