基于曲线估计的实时曝光图像增强算法

摘要

针对曝光错误导致图像质量降低的问题，图像增强旨在不破坏正常曝光区域质量的同时，提高曝光错误区域的质量.然而，在近年来的研究中，使用一个算法解决多种曝光问题并不常见，而且通常需要大量的参数和内存，这不可避免地增加了成本和时间的开销.本文提出了一种新的算法，利用全局-局部感知轻量级Transformer网络和全局-局部光增强曲线，在边缘设备的有限资源下高效的提高图像质量.该轻量级网络主要由全局分支和局部分支两个部分组成.全局分支使用Transformer模块提取最适合的全局参数映射，以区分和调整图像的全局信息.而局部分支获取图像的像素信息，用于估计最佳的局部参数映射.最后，通过迭代运用包含有全局参数映射和局部参数映射的全局-局部光照增强曲线提高了图像质量.在曝光错误数据集上的实验表明：所提出的算法仅需要5%的参数和0.1%浮点运算即可达到与目前STOA算法相当的图像质量，从而显著提高了效率.

关键词

图像增强 / 光照 / 深度学习 / 曝光校正