计算机应用

作者：黄梦源, 常侃, 凌铭阳, 韦新杰, 覃团发

单位：1.广西大学 计算机与电子信息学院, 南宁 530004；2.广西多媒体通信与网络技术重点实验室(广西大学), 南宁 530004

关键词：低光照图像增强,拉普拉斯金字塔,特征融合,卷积神经网络,Transformer

基金：国家自然科学基金资助项目(62171145)

低光照图像的图像质量通常较低，低光照图像增强（LLIE）旨在提高这类图像的视觉质量。针对现有的LLIE算法大多专注增强亮度和对比度、忽略细节增强的问题，提出一个基于层间引导的低光照图像渐进增强算法（PELG），兼顾图像亮度和细节增强。首先，使用拉普拉斯金字塔（LP）降低任务复杂度，提高算法效率；其次，利用各频率分量间的相关性，在低频和高频分量之间构建基于Transformer的层间引导融合模块，在各高频分量之间构建轻量级的层间引导融合模块，有效精炼金字塔较低层增强信息指导较高层处理图像，实现基于层间引导的渐进增强；最后，通过LP重建亮度均匀、细节清晰的增强图像。实验结果表明，所提算法的峰值信噪比（PSNR）在LOL（LOw-Light dataset）-v1上比DSLR（Deep Stacked Laplacian Restorer）高2.3 dB，在LOL-v2上比UNIE（Unsupervised Night Image Enhancement）高0.55 dB；与其他基于深度学习的LLIE算法相比，所提算法运行速度快，增强结果在客观和主观质量上均获得明显提升，更适用于实际场景。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期