首页 > 模式识别与人工智能 > 结合视觉显著性与注意力机制的低光照图像增强

结合视觉显著性与注意力机制的低光照图像增强

Combining Visual Saliency and Attention Mechanism for Low-Light Image Enhancement

二维码有效期 120s

摘要低光照图像增强是解决低光照环境下各种视觉分析任务的基础和核心步骤,但现有主流方法由于普遍未能对结构信息进行有效刻画,往往存在曝光不均衡、颜色失真等问题.针对上述问题,文中提出结合视觉显著性与注意力机制的低光照图像增强方法.首先,构建基于注意力机制的低光照图像增强网络,在引入注意力机制的同时考虑局部细节和全局信息,正确刻画增强结果中的颜色信息.再遵循由粗到细的逐步优化理念,设计渐进式注意力机制,将增强过程分阶段细化,实现精细化建设.然后,引入显著性引导的特征融合,增强网络对图像中显著性目标的感知能力,从更符合视觉认知需求的角度提升对于结构信息的表达,有效避免产生噪声/伪影等问题.实验表明,文中方法有效解决现有工作存在的曝光不足与颜色失真等问题,性能较优.

作者尚晓可 ^[1] 安南 ^[2] 尚敬捷 ^[3] 张韶岷 ^[4] 丁鼐 ^[5] 学术成果认领

作者单位浙江大学生物医学工程与仪器科学学院杭州310027;大连理工大学软件学院大连116622 ^[1] 大连理工大学软件学院大连116622 ^[2] 北京大学软件与微电子学院北京102600 ^[3] 浙江大学生物医学工程与仪器科学学院杭州310027 ^[4] 浙江大学生物医学工程与仪器科学学院杭州310027;之江实验室基础理论研究院应用数学与机器智能研究中心杭州311121 ^[5]

关键词低光照图像增强注意力机制视觉显著性目标检测

分类号 TP311.5

栏目名称

"基于深度学习的图像处理"专题

DOI 10.16451/j.cnki.issn1003-6059.202207003

发布时间 2022-08-23（万方平台首次上网日期，不代表论文的发表时间）

基金项目

之江实验室重大科研项目（No.2019KB0AC02）