软件学报

作者：江泽涛，覃露露，秦嘉奇，张少钦

单位：江泽涛，广西图像图形处理与智能处理重点实验室(桂林电子科技大学), 广西 桂林 54100411,覃露露，广西图像图形处理与智能处理重点实验室(桂林电子科技大学), 广西 桂林 54100402,秦嘉奇，桂林信息科技学院, 广西 桂林 54100403,张少钦，南昌航空大学, 江西 南昌 33006304

关键词：低照度图像;图像增强;Retinex;attention机制

基金：国家自然科学基金（61876049，61762066）；广西科技计划（AC16380108）；广西图像图形智能处理重点实验项目（GIIP201701，GIIP201801，GIIP201802，GIIP201803）；广西研究生教育创新计划（YCBZ2018052，2019YCXS043）；广西高校中青年教师科研基础能力提升项目（2020KY57020）

由于低照度环境下所采集的图像存在亮度低、对比度差、出现噪声和色彩失衡等低质问题，严重影响其在图像处理应用中的性能.为了提升低照度图像质量，以获得具有完整结构和细节且自然清晰的图像，结合Retinex理论与卷积神经网络，提出了一种基于MDARNet的低照度图像增强方法，并引入Attention机制模块和密集卷积模块以提升性能.首先，MDARNet利用同时包含二维和一维的3个不同尺度卷积核对图像进行初步特征提取，并用像素注意模块对多尺度特征图进行针对性学习；其次，设计跳跃连接结构对图像进行特征提取，使图像特征被最大限度地利用；最后，用通道注意模块和像素注意模块同时对提取到的特征图进行权重学习和照度估计.实验结果表明：MDARNet能够有效提升低照度图像的亮度、对比度、色彩等；且相较于一些经典算法，该方法在视觉效果及客观评价指标（PSNR，SSIM，MS-SSIM，MSE）能够得到更好的效果.

来源：2021年第12期

《软件学报》期刊编辑部

查看软件学报杂志2021年第12期