基于改进序列注意力模型的弱光照图像特征分割
罗君梅1
宋忠森2
张闯1
徐恕贞1
1.郑州科技学院信息工程学院 河南郑州 4500642.郑州科技学院大数据与人工智能学院 河南郑州 450064
摘要：低照度环境下的图像常面临着颜色恒常性失效的状况,导致颜色信息的严重扭曲和混淆,这种现象被称为色偏.现有方法通常忽略目标区域与边界之间的相关性,使物体与背景之间的颜色差异变得模糊不清,难以区分,这对准确提取颜色特征造成了极大的阻碍,加大了图像分割的难度.因此,文章设计了一种基于改进序列注意力模型的弱光照图像特征分割算法.通过定义含多调节因子的复合亮度控制函数,生成弱光照图像时间序列.在此基础上,采用Lab颜色空间并结合G'分量和超红颜色特征因子,提取弱光照图像的颜色特征.G'分量和超红颜色特征因子与Lab颜色空间相结合,可以在一定程度上补偿弱光照导致的颜色恒常性失效,提高颜色饱和度和可辨识度,从而增强对低对比度下物体与背景之间颜色差异的分辨能力.将颜色特征图沿时间维度展开形成序列特征向量,利用余弦相似度改进序列注意力模型,使模型能够更好地聚焦于与分割任务相关的关键颜色特征,选用ReLU作为算法输出层激活函数,嵌入Sigmoid函数实现注意力权重的归一化处理,从而在低光照条件下实现更精确的图像分割.实验结果表明,所提算法在8个类别上像素精度均超过92％,显著优于其他方法.在7×7卷积核尺寸下的特征分割测试中,所提算法能准确区分图像特征与杂乱背景,实现精准分割.
关键词：改进序列注意力模型弱光照图像颜色特征特征分割
分类号：TP391.41(计算技术、计算机技术)
资助基金：河南省科技攻关项目(242102210030)河南省自然科学基金项目(252300420365)
论文发表日期：2025-09-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 7-11 )