开普勒定律启发的单幅图像细节增强算法

来源：电子与信息学报杂志2025年第12期北京时间：

作者：江鹤, 孙蟒, 郑州, 吴沛霖, 程德强, 周晨

单位：中国矿业大学信息与控制工程学院 徐州 221116

摘要：近年来，基于残差学习的单幅图像细节增强算法备受关注，其通过更新残差层来拟合图像细节层，并与原图像线性叠加实现图像细节增强。然而，此更新过程使用的方法是贪心算法，极易使系统陷入局部最优解，进而限制了系统性能。鉴于此，受行星运动规律的启发，该研究将残差更新类比为行星空间位置的动态调整，借鉴开普勒定律，通过计算确定行星的全局最优位置，进而实现残差层的精准更新。具体而言，将输入图像分块，对每个原始图像块，将其候选图像块视为“行星”，最佳匹配块视为“恒星”。通过计算每个“行星”与原始图像块之间的差异、“行星”的速度和“恒星”的引力，更新“行星”和“恒星”的位置，直至“恒星”的位置达到收敛状态，确定全局最佳匹配块的位置。实验结果显示，该研究提出的算法在视觉效果及量化评估方面均优于当前方法。值得一提的是，在BSDS200数据集4倍增强因子的结果中，该研究提出的方法比当前流行方法QWLS的量化指标PSNR和SSIM分别高出1.51 dB和0.041 3，彰显了该研究算法的优越性。

关键词：单幅图像细节增强, 残差学习, 开普勒定律, 全局最优解

基金资助：国家自然科学基金(52304182, 52204177)，国家重点研发计划(2023YFC2907600, 2021YFC2902701, 2021YFC2902702)