融合多尺度密集块的低照度交通图像增强模型

来源：计算机工程与应用杂志2023年第17期北京时间：

作者：王炜昊, 王夏黎, 武历展, 张倩, 李超

单位：长安大学 信息工程学院，西安 710064

摘要：车辆检测与跟踪是智能交通领域的重要内容，复杂的光照强度与多变的交通场景使高速公路拍摄图像细节模糊、对比度低，图片信息提取干扰性强。提出一种基于注意力机制融合多尺度残差稠密块的生成对抗网络用于低照度交通图像增强。通过伽马校正、相机响应函数和手工调节方法合成不同照度图像作为数据集，涵盖更广泛亮度曲线，模拟真实夜晚场景；引入注意力机制通过表征不同通道与高频信息间关联性，同时采用最大池化和平均池化捕获纹理信息和背景信息间依赖关系增强图像整体完整性；搭建多尺度融合的残差稠密连接网络，深度提取图像复杂特征利用并行支路融合不同级别和层次的信息，提升网络对细节的整体感知力，保留图片信息一致性；采用双线性加卷积结构代替反卷积层消除伪影现象。实验结果表明与主流方法相比，该网络的增强效果评价指标PSNR和SSIM分别提升26.37%、14.14%，图片增强使细节纹理清晰、图像自然视觉效果提高，为交通领域的视觉任务提供技术支持。

关键词：低照度图像增强,交通图像,注意力机制,残差稠密块,多尺度融合,生成对抗网络