| PNet：融合注意力机制的多级低照度图像增强网络 |
| |
| 引用本文： | 杨微,张志威,成海秀. PNet：融合注意力机制的多级低照度图像增强网络[J]. 计算机应用研究, 2022, 39(5): 1579-1585. DOI: 10.19734/j.issn.1001-3695.2021.09.0384 |
| |
| 作者姓名： | 杨微 张志威 成海秀 |
| |
| 作者单位： | 广州软件学院软件工程系,广州510990;华南理工大学计算机科学与工程学院,广州510641;华南理工大学机器学习与数据挖掘团队,广州510641,广州软件学院软件工程系,广州510990,华南理工大学计算机科学与工程学院,广州510641;华南理工大学广东省计算机网络重点实验室,广州510641 |
| |
| 基金项目： | 广东省普通高校重点科研平台和科研项目;广东省普通高校特色创新(自然科学)项目 |
| |
| 摘 要： | 低照度图像存在亮度低、噪声伪影、细节丢失、颜色失真等退化问题，使得低照度图像增强成为一个多目标增强任务。现有多数增强算法不能很好地在多个增强目标上取得综合的性能，对此，提出PNet——融合注意力机制的多级低照度图像增强网络模型，通过构建多级串联增强任务子网，结合注意力机制设计多通道信息融合模块进行有效特征筛选及记忆，网络以序列方式处理图像流，协同渐进式完成图像全局自适应亮度提升、噪声伪影抑制、细节恢复、颜色矫正等多任务。此外，通过与现有主流算法进行定量及定性分析对比，结果显示该方法能实现自适应图像亮度增强、细节对比度提升，增强后图像整体亮度自然，没有明显光晕及伪影且色彩较丰富真实，在PSNR、SSIM、RMSE指标中较次优算法分别提升0.229、0.112、0.335。实验结果表明，该方法在低照度图像增强的多目标任务上取得了综合较优秀的表现，具有一定的应用价值。
|
| 关 键 词： | 低照度图像增强 注意力机制 长短记忆 监督学习 多级子网 |
| 收稿时间： | 2021-09-01 |
| 修稿时间： | 2022-04-18 |
PNet:multi-level low-illumination image enhancement network based on attention mechanism |
| |
| yang wei,zhang zhiwei and chen haixiu. PNet:multi-level low-illumination image enhancement network based on attention mechanism[J]. Application Research of Computers, 2022, 39(5): 1579-1585. DOI: 10.19734/j.issn.1001-3695.2021.09.0384 |
| |
| Authors: | yang wei zhang zhiwei chen haixiu |
| |
| Abstract: | |
| |
| Keywords: | low-illumination image enhancement attention mechanism LSTM supervised learning multi-level subnet |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
