MIRNet-Plus:基于丰富特征学习的低光图像增强改进方法

作     者：罗林 余联想 郑明魁 LUO Lin;YU Lianxiang;ZHENG Mingkui

作者机构：福州大学先进制造学院福建泉州362200 福州大学物理与信息工程学院福州350108 

基　　金：国家自然科学基金项目(61902071)资助 福建省自然科学基金项目(2020J01466)资助 闽都创新实验室主任基金项目(2021ZR151)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第3期

页      码：664-669页

摘      要：图像增强是一种基础的计算机视觉任务,从低光图像中恢复出高质量的明亮图像是业界正在攻克的问题.近年来,以卷积神经网络(CNN)为主导的图像恢复技术取得了重大进展.对于低光图像增强,本方法使用双重选择核融合(Double SKFF)方法,通过增强中间层不同分辨率信息的交流能力以获得更多上下文信息以及空间信息;同时设计了一个深度注意模块(Depthwise Attention Module,DWM),用来共享张量中的特征信息,对原有特征进行补充,获取更加丰富的特征信息.同时本方法还引入了多颜色空间神经修饰块,用来在3种不同的颜色空间(Lab,RGB,HSV)中联合训练,以期望获得更好的图像增强结果.本文提出的MIRNet-Plus在原有的基础方法上PSNR获得了5.3%的提高,由23.73dB提升到24.98dB.

主 题 词：图像增强 低光图像 卷积神经网络 深度注意模块 多颜色空间神经修饰块 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20009/j.cnki.21-1106/TP.2022-0522

馆 藏 号：203126131...