电子学报 ›› 2021, Vol. 49 ›› Issue (11): 2160-2165.DOI: 10.12263/DZXB.20200822
江泽涛1, 钱艺1, 伍旭1, 张少钦2
JIANG Ze-tao1, QIAN Yi1, WU Xu1, ZHANG Shao‑qin2
摘要:
为解决低照度图像增强过程中噪声放大、细节不足以及色彩还原问题,本文提出一种基于注意力机制残差密集生成对抗网络(Attention Residual Dense?Generative Adversarial Networks, ARD?GAN)的低照度图像增强方法.首先,该方法在全局光照估计模块(Global Illumination Estimation Module, GIEM)中生成全局曝光注意力图,以引导后续模块更好地进行照度增强;其次,使用卷积残差模块(Convolution and Residual Module, CRM)和基于通道注意力的残差密集模块(Channel Attention Residual Dense Module, CARDM)分别提取浅层特征和深层特征,并将不同层次的特征融合以获取更好的细节信息;然后,在CARDM基础上将密集连接与批归一化相结合抑制噪声;最后改进了损失函数,使增强后图像色彩还原更好.实验表明,ARD?GAN有与主流算法相比,在主观视觉和客观评价指标上均得到更好的效果.
中图分类号: