信息引导的注意力网络低光照图像增强方法

摘要

在低照度条件下获取的图像通常存在亮度不足和对比度低的问题，简单的亮度增强则可能引入明显的噪声.针对低光照图像增强，提出了一种信息引导的注意力模型——ILEFormer(Information-guided Low-light image Enhancement Transformer).该模型通过两级增强网络(亮度增强网络和去噪网络)实现对低光照图像的有效增强.亮度增强网络采用编码器-解码器结构，对图像的亮度分量进行特征增强并生成指导信息.骨干网络设计了一种全新的混合注意力机制，在亮度增强网络生成的信息指导下，对通道特征进行自注意力计算，同时插入空间注意力，增强了模型的特征提取能力.实验结果表明，ILEFormer在主观和客观图像质量评价上均优于大多数主流算法，并且具备高效的计算性能，适用于各种低光照环境下的图像增强任务.

关键词

低光照 / 图像增强 / 注意力机制 / Retinex / 多级网络