光照感知增强和密集残差降噪的低光图像增强算法

作     者：杨博然 堵子龙 王勇 蒋丽君 杨文明 

作者机构：重庆理工大学两江人工智能学院 清华大学深圳国际研究生院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.62171251) 重庆市教委科学技术研究项目(No.KJ202301165) 重庆理工大学研究生创新项目(No.gzlcx20243560) 

主　　题：低光图像增强 光照感知 图像降噪 卷积神经网络 Transformer 特征融合 

摘      要：尽管Transformer在全局特征提取上表现出色，它在捕捉图像的局部细节信息方面存在局限，使得一些局部光照细节丢失以及整体光照分布不均。为了缓解这一问题所带来的影响，本文提出了一种基于光照感知增强和密集残差降噪的低光图像增强算法，该架构融合了Transformer和卷积神经网络的优势，通过更细致的光照感知机制，有效提升了低光图像的视觉质量与光照均匀性。网络编解码器内部集成了多级特征提取模块和多级注意力融合模块。前者负责捕获图像的全局和局部特征，而后者则对这些特征进行筛选和融合，以优化信息传递。此外，为了解决低光图像增强后的噪声放大问题，增强图像降噪模块通过采用密集残差连接技术，有效降低了增强图像的噪声。通过对比实验，我们验证了算法在处理低光图像时的性能，实验结果表明，该方法不仅能够改善光照不均的问题，还能显著减少图像噪声，实现更高质量的图像输出。