典型文献
融合注意力机制和上下文信息的微光图像增强
文献摘要：
目的 微光图像存在低对比度、噪声伪影和颜色失真等退化问题,造成图像的视觉感受质量较差,同时也导致后续图像识别、分类和检测等任务的精度降低.针对以上问题,提出一种融合注意力机制和上下文信息的微光图像增强方法.方法 为提高运算精度,以U型结构网络为基础构建了一种端到端的微光图像增强网络框架,主要由注意力机制编/解码模块、跨尺度上下文模块和融合模块等组成.由混合注意力块(包括空间注意力和通道注意力)引导主干网络学习,其空间注意力模块用于计算空间位置的权重以学习不同区域的噪声特征,而通道注意力模块根据不同通道的颜色信息计算通道权重,以提升网络的颜色信息重建能力.此外,跨尺度上下文模块用于聚合各阶段网络中的深层和浅层特征,借助融合机制来提高网络的亮度和颜色增强效果.结果 本文方法与现有主流方法进行定量和定性对比实验,结果显示本文方法显著提升了微光图像亮度,并且较好保持了图像颜色一致性,原微光图像较暗区域的噪点显著去除,重建图像的纹理细节清晰.在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)和图像感知相似度(perceptual image patch similarity,LPIPS)等客观指标上,本文方法较其他方法的最优值分别提高了0.74 dB、0.153和0.172.结论 本文方法能有效解决微光图像存在的曝光不足、噪声干扰和颜色不一致等问题,具有一定应用价值.
文献关键词：
图像处理;微光图像增强;深度学习;注意力机制;上下文信息
中图分类号：
作者姓名：
赵兴运;孙帮勇
作者机构：
西安理工大学印刷包装与数字媒体学院,西安 710048;中国科学院西安光学精密机械研究所光谱成像技术重点实验室,西安 710119
文献出处：
引用格式：
[1]赵兴运;孙帮勇-.融合注意力机制和上下文信息的微光图像增强)[J].中国图象图形学报,2022(05):1565-1576
A类：
B类：
注意力机制,上下文信息,微光图像增强,低对比度,伪影,颜色失真,成图,视觉感受,图像识别,增强方法,端到端,网络框架,解码,跨尺度,混合注意力,空间注意力,主干网络,网络学习,空间位置,噪声特征,通道注意力模块,块根,颜色信息,融合机制,增强效果,主流方法,法显,图像亮度,噪点,重建图像,峰值信噪比,peak,signal,noise,ratio,PSNR,结构相似性,structural,similarity,SSIM,和图像,图像感知,perceptual,image,patch,LPIPS,客观指标,其他方法,最优值,dB,曝光,噪声干扰
AB值：
0.358463
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。
