结合视觉显著性与注意力机制的低光照图像增强

作     者：尚晓可 安南 尚敬捷 张韶岷 丁鼐 SHANG Xiaoke;AN Nan;SHANG Jingjie;ZHANG Shaomin;DING Nai

作者机构：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 北京大学软件与微电子学院北京102600 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 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2022年第35卷第7期

页      面：602-613页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：之江实验室重大科研项目(No.2019KB0AC02)资助 

主　　题：低光照图像增强 注意力机制 视觉显著性 目标检测 

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.