LIIA-Net:一种轻量级照明代调整网络,用于在低光条件下进行图像增强
Chengwan You1, Wenxu Shi2, Guibin Hu3
1School of Computer Science, China West Normal University, Nanchong, 637009, China.
概括
这项研究引入了一种新的轻量级网络,用于在低光条件下进行图像增强,提高亮度和细节,无需噪音或结构损失. 该方法提高了下游任务中的对象检测精度.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 低光图像增强对于视觉感知至关重要,但当前的方法与照明精度,噪声放大和细节损失作斗争.
- 现有的技术往往无法有效平衡下降图像的亮度,对比度和结构完整性.
研究的目的:
- 开发一种新的,轻量级的网络,以有效地在低光条件下增强图像.
- 通过改进照明调节,减少噪音和保存结构细节来解决现有方法的局限性.
主要方法:
- 拟议的轻量级照明代调整网络 (LIIA-Net) 在频率和空间领域处理图像.
- 使用线性交叉关注模块来融合照明和内容特征.
- 实现了一个振幅自适应代调整模块用于频域亮度调节.
- 采用基于mamba的结构改进模块用于空间纹理恢复.
主要成果:
- LIIA-Net只用0.48M的参数实现了与最先进的方法相当或超过的性能.
- 在图像质量方面显著改善,包括亮度,对比度和结构细节.
- 来自LIIA-Net的增强图像导致下游对象检测准确度显著提高.
结论:
- LIIA-Net提供了一种高效和有效的解决方案,用于在低光下增强图像.
- 联合频率和空间域处理有效应对噪声和结构损失.
- 拟议的方法有望提高计算机视觉应用的性能,包括对象检测.


