计算机工程

作者：杨瑞君, 秦晋京, 程燕

单位：1. 上海应用技术大学计算机科学与信息工程学院, 上海 2014182. 华东政法大学刑事法学院, 上海 201620

关键词：低照度增强,自注意力机制,空洞卷积,特征融合,图像降噪

基金：上海市哲学社会科学项目一般课题(2021BFX003)

当前大多数低照度图像增强模型在自然环境中难以兼顾照度增强和原图特征保留两方面的效果，而且不能很好地适应多种不同的低照度场景，为此，提出一种基于生成对抗网络的改进模型。首先通过标准卷积提取浅层特征，然后利用光照一致性损失构建全局-局部照明学习（GLIE）模块。在GLIE内部设计基于全局-局部的特征提取结构，通过移位窗口自注意力机制和多尺度空洞卷积分别实现场景级特征提取和光照增强平滑。通过原图特征保留块对GLIE的输出特征和浅层特征进行拼接融合和通道注意力加强，实现对原图特征的保留和噪声抑制。在此基础上，通过改进的损失函数在模型训练过程中同时实现对照度增强和原图特征保留的有效监督。实验结果表明，该模型主观效果真实自然，与Retinex-Net、EnlightenGAN等主流模型相比，其对原图色彩纹理细节保留和噪声抑制的效果更好，在整体测试数据集上自然图像质量评估指标和亮度顺序误差分别达到3.88和199.4，在不同测试数据集中2个指标都取得了前3名的结果，整体性能良好。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期