具有色彩注意力的多尺度交互网络,用于低亮度图像增强
Haoxiang Lu1,2,3,4, Changna Qian4, Ziming Wang4
1Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Sciences, Guangzhou 510080, China.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
我们开发了MSINet,一个新的多尺度交互网络,通过平衡光线和色彩校正来增强低光图像. 该方法有效地探索本地和全球图像特征,以获得卓越的低光图像增强 (LLIE) 结果.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 低光图像增强 (LLIE) 对计算机视觉至关重要.
- 现有的方法往往无法平衡光增强和色彩校正.
- 图像包含了对有效增强至关重要的多层次信息.
研究的目的:
- 提出一个新的网络,MSINet,用于有效的低光图像增强.
- 为了应对平衡光增强和色彩校正的挑战.
- 为了利用多个尺度的功能来改进LLIE.
主要方法:
- 提出MSINet,一个具有色彩注意力的多尺度交互网络.
- 雇佣了一个基于CNN的分支机构,用于本地特色的剩余频道注意力块 (RCAB).
- 使用基于变压器的分支与跨度注意力 (CSA) 和多头自我注意力 (MHSA) 进行全球特征.
- 集成了一个色彩校正分支 (CCB) 与自注意 (SA) 进行色彩保真.
主要成果:
- 通过交互模块,MSINet有效地探索本地和全球图像特征.
- CCB确保了增强图像中的颜色保真.
- 广泛的实验表明MSINet的性能优于最先进的LLIE方法.
结论:
- 在低光照明图像的光增强和色彩校正方面,MSINet 实现了卓越的性能.
- 拟议的架构有效地整合了多层次的特征提取和交互.
- 对于具有挑战性的低光图像增强任务,MSINet提供了一个有希望的解决方案.


