隧道场景下行人检测DA-Zero-DCE图像增强算法

摘要

隧道图像受拍摄环境影响，存在光照分布不均、局部遮挡、噪点较多等问题，针对现有图像增强算法在优化过程中的过曝与失真，提出一种隧道图像增强算法DA-Zero-DCE(denoising-attention based zero-reference deep curve estimation)。首先，基于Zero-DCE模型，使用U-Net改进用于曲线估计的主干网络DCE-Net,并且加入坐标注意力机制来提升对图像局部区域的暗光感知能力。其次，在曲线估计主干网络后加入NAF-Net噪声去除模块，有效抑制Zero-DCE在低光照增强后的噪声。此外，为缓解增强图像的失真与过曝现象，将空间一致性损失函数的4邻域计算方式扩展为8邻域计算方式，增强输出结果平滑度。通过LOL数据集的消融实验，DA-Zero-DCE模型比Zero-DCE模型在增强结果上的PSNR(峰值信噪比)提升约10 dB,SSIM(结构相似性)提升约0.1,验证了模型的有效性和可行性。

关键词

深度学习 / 卷积神经网络 / 计算机视觉 / 图像增强