信息引导的注意力网络低光照图像增强方法

王浚瞩, 杨茂达, 王瑛, 李靖琳, 邓红霞

小型微型计算机系统 ›› 2025, Vol. 46 ›› Issue (10) : 2417 -2423.

PDF
小型微型计算机系统 ›› 2025, Vol. 46 ›› Issue (10) : 2417 -2423. DOI: 10.20009/j.cnki.21-1106/TP.2024-0387

信息引导的注意力网络低光照图像增强方法

    王浚瞩, 杨茂达, 王瑛, 李靖琳, 邓红霞
作者信息 +

Author information +
文章历史 +
PDF

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

Key words

引用本文

引用格式 ▾
信息引导的注意力网络低光照图像增强方法[J]. 小型微型计算机系统, 2025, 46(10): 2417-2423 DOI:10.20009/j.cnki.21-1106/TP.2024-0387

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

78

访问

0

被引

详细

导航
相关文章

AI思维导图

/