融合深层语义与空间精确度的低照度图像增强方法
杨微1
陈孝如2
张志威1
陈立军2
1.广州软件学院软件工程系 广州 510990;华南理工大学计算机科学与工程学院 广州 5106412.广州软件学院软件工程系 广州 510990
摘要：全局深层上下文语义特征与空间精确度特征对深度学习低照度图像增强都非常重要,论文针对主流增强网络架构中深层上下文语义获取与保留空间精确度间的矛盾,提出融合深层语义及空间准确度的低光照图像增强方法.首先,不同深度的双编码结构并行提取全局深层上下文语义特征及空间精确度特征;其次,采用注意力及特征融合机制筛选聚合上下文语义特征与空间精确度特征;最后由单解码结构完成图像增强重建.实验结果,定性分析该方法能适应不同退化光照场景且增强结果纹理细节丰富、全局亮度提升自然、噪声伪影不明显、色彩真实;定量分析在PSNR、SSIM、RMSE、NIQE中较次优算法分别提升0.259、0.132、0.446、0.083.结果表明,论文方法有较好泛化性,结果综合质量较优,具有一定应用价值.
关键词：图像增强上下文语义注意力机制特征融合
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61761049)广东省普通高校重点科研平台和科研项目(2019KQNCX222)广东省普通高校特色创新(自然科学)项目(2021KTSCX160,2021KTSCX161)
论文发表日期：2023-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1276-1284,1322 )
英文信息