基于多尺度注意力机制的RAW图像重建

作     者：张科 刘昱 胡凯 ZHANG Ke;LIU Yu;HU Kai

作者机构：天津大学微电子学院天津300072 天津大学浙江国际创新设计与智造研究院绍兴312000 

基　　金：国家自然科学基金(61771338) 天津市科技计划重点项目(18ZXRHSY00190) 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2025年第51卷第1期

页      码：257-264页

摘      要：针对传统图像信号处理(ISP)算法繁琐的问题,基于可取代ISP算法的PyNET网络模型,提出一种端到端的RAW图像重建方法Py-CBAM。通过引入高效的注意力机制,并利用该机制对原有网络的多层级多尺度结构进行重设计,实现不同尺度特征的自适应加权,以较大程度提升图像重建的性能。实验结果表明,所提方法在公开的ZRR数据集上获得的峰值信噪比(PSNR)与PyNET方法相比提升了0.37 dB,结构相似度(SSIM)提升了0.0018。将ZRR数据集和新构建的NRR数据集联合对Py-CBAM重新训练后,PSNR和SSIM分别达到25.73 dB和0.9654。视觉效果上,所提方法解决了RAW图像重建时的噪声高与色彩失真、畸变等问题,增强模型在多场景不同光照环境条件下的重建能力;重建结果较为真实,视觉质量最优,在图像过曝和过暗区域视觉提升效果较为明显。

主 题 词：图像信号处理 图像重建 增强网络 注意力机制 深度学习 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

核心收录：

D　O　I：10.13700/j.bh.1001-5965.2022.0959

馆 藏 号：203157075...