基于多级特征融合的低光图像增强网络

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：牟琦, 马悦悦, 李洪安, 李占利

单位：1.西安科技大学 计算机科学与技术学院，西安 710054；2.西安科技大学 机械工程学院，西安 710054

摘要：近年来，将Retinex理论与CNN结合的低光图像增强方法已取得显著成效，其中KinD++方法在光照调节方面表现尤为突出。然而当处理光照极低或极不均匀图像时该方法仍有提升空间。针对KinD++方法处理光照极低或极不均匀图像时存在的细节模糊、伪影以及色彩失真问题，对分解网和恢复网进行改进，提出一种基于多级特征融合的低光图像增强网络。通过深、中、浅层特征的跨级融合实现了对反射分量更准确的估计；在恢复网中设计De_Block去噪块和Canny边缘增强块，在有效去噪的同时保持细节清晰；采用色彩损失进一步得到自然明亮的图像色彩。实验结果表明，该方法能在有效改善图像亮度的同时修复细节和色彩，避免伪影。相比原方法，在LOL数据集上，PSNR、SSIM以及NIQE分别提高了13%、12%和28%；在多个基准数据集，如LIME、VV、MEF、DICM和LLIV-Phone-imgT上，也展现出了优越的性能。

关键词：低光图像增强,非均匀光/极低光照,Retinex理论,多级特征融合,Canny边缘增强