基于注意力机制和Retinex的低照度图像增强方法

低照度图像增强的主要目的是提升图像的整体光照度,进而呈现更多有用的信息。针对低照度图像的整体照度低、对比度弱和噪声较高的问题,提出基于注意力机制和Retinex算法的低照度图像增强方法。该方法首先将低照度图像分解为不变性反射图和缓变平滑性光照图;再通过注意力机制提取图像的空间和局部物体信息,从而能够保证增强过程中利用空间和局部物体信息进行约束;同时增加色彩损失函数改善图像饱和度,用以补偿和校准增强过程中的对比度细节;改进低照度图像和合成方法,加入真实噪声有效扩充训练数据集。最终在LOL和SID数据集上实验表明,所提方法的主观感受和客观评价指标均有所提升。