典型文献
多支路融合注意力机制的低光照图像增强
文献摘要：
低光照图像因对比度低、细节信息丢失、颜色失真以及噪声伪影等引起的过度曝光,质量差等问题,融合多支路和注意力机制,提出一种基于分解任务的多支路低光增强网络(MANet).首先低光输入图像经过VGG-19卷积对特征采集同时为了降低计算量,将普通卷积替换为可分离卷积的网络提取出边缘、纹理等有效特征.然后为了能够自适应对图像中不同区域进行自适应亮度增强和噪声伪影抑制,在增强模块中引入注意力机制,利用注意力机制来学习和设置不同权重信息,获取特征信息来增强.最后,为了进一步提高图像质量,在融合模块中使用多尺度特征融合,使得上下文信息得到进一步的融合和增强.实验结果表明,MANet能够自适应的提升图像亮度的同时降低图像的噪声和去除伪影,与GLADNet网络相比PSNR提高了 7％,SSIM提高了 3.3％.
文献关键词：
低光照图像增强;注意力机制模块;多尺度融合;自适应增强;深度学习
中图分类号：
作者姓名：
汪星;贾晓芬
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南232001;安徽理工大学省部共建深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南232001
文献出处：
引用格式：
[1]汪星;贾晓芬-.多支路融合注意力机制的低光照图像增强)[J].微电子学与计算机,2022(10):54-61
A类：
GLADNet
B类：
多支,支路,低光照图像增强,对比度,细节信息,信息丢失,颜色失真,曝光,基于分解,解任,低光增强,MANet,光输,VGG,计算量,可分离卷积,有效特征,亮度增强,伪影抑制,不同权重,重信,特征信息,图像质量,多尺度特征融合,上下文信息,图像亮度,PSNR,SSIM,注意力机制模块,多尺度融合,自适应增强
AB值：
0.347692
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
