来源：期刊VIP网 时间：
作者：尚成;司占军;张滢雪;
单位：天津科技大学轻工科学与工程学院;天津科技大学人工智能学院;
摘要：低光图像增强是近年来计算机视觉领域最活跃的研究方向之一。在增强过程中，会发生图像细节的丢失与噪声的增加，进而影响最终图像的品质。为解决此问题，本研究提出了一种基于Retinex理论的低光图像增强模型即RetinexNet模型。该模型由图像分解模块与亮度增强模块构成。在图像分解模块中，本研究引入了卷积块注意力模块（Convolutional Block Attention Module, CBAM）以增强网络的特征表征能力，使其聚焦于关键特征并抑制无关信息。在亮度增强模块内，设计了一个多特征融合去噪模块，以规避下采样过程中的特征丢失问题。实验结果表明，所提模型在公开数据集LOL和MIT-Adobe FiveK上的PSNR与SSIM指标均优于现有算法，同时在LIME公开数据集上亦取得了更优的NIQE指标。
关键词：低光图像增强;;Retinex模型;;抑制噪声;;特征融合
