PNet:融合注意力机制的多级低照度图像增强网络OA北大核心CSTPCD
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…查看全部>>
杨微;张志威;成海秀
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
信息技术与安全科学
低照度图像增强注意力机制长短记忆监督学习多级子网
《计算机应用研究》 2022 (5)
P.1579-1585,7
评论