公开(公告)号：CN117011194B

公开(公告)日：2024-01-30

申请号：CN202311278822.1

申请日：2023-10-07

Applicant: 暨南大学

Inventor： 龙舜 ,  廖芳婷 ,  王会进 ,  朱蔚恒

IPC: G06T5/00 ,  G06T5/60 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开一种基于多尺度双通道注意力网络的低光图像增强方法，包括：构建训练集；所述训练集包括：低光图像和高光图像；利用所述训练集对预设的多尺度双通道注意力低光增强网络（MDANet）进行训练；预设的多尺度双通道注意力低光增强网络包括：多尺度特征提取和融合(MFEF)模块、双通道注意力特征增强(DAFE)模块；对所述低光图像进行预处理后，输入训练后的所述多尺度双通道注意力低光增强网络，完成低光图像增强。本发明通过堆叠多个多尺度特征提取和融合模块，实现自顶向下的特征提取和自底向上的特征融合，并取得极好的低光增强效果。(56)对比文件Yang Qun et al..A Lowlight ImageEnhancement Method Learning from BothPaired and Unpaired Data by AdversarialTraining《. Neurocomputing》.2020,第1-9页.

公开(公告)号：CN117011194A

公开(公告)日：2023-11-07

申请号：CN202311278822.1

申请日：2023-10-07

Applicant: 暨南大学

Inventor： 龙舜 ,  廖芳婷 ,  王会进 ,  朱蔚恒

IPC: G06T5/00 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开一种基于多尺度双通道注意力网络的低光图像增强方法，包括：构建训练集；所述训练集包括：低光图像和高光图像；利用所述训练集对预设的多尺度双通道注意力低光增强网络（MDANet）进行训练；预设的多尺度双通道注意力低光增强网络包括：多尺度特征提取和融合(MFEF)模块、双通道注意力特征增强(DAFE)模块；对所述低光图像进行预处理后，输入训练后的所述多尺度双通道注意力低光增强网络，完成低光图像增强。本发明通过堆叠多个多尺度特征提取和融合模块，实现自顶向下的特征提取和自底向上的特征融合，并取得极好的低光增强效果。