基于无监督学习的双分支融合低光图像增强方法

摘要

针对经过算法增强后的图像产生伪影且图像噪声放大的问题,提出了一种基于无监督学习的双路融合低光照图像增强网络(Unsupervised Learning-based Dual Fusion Low-light Image Enhancement Network,ULDFNet),可从非配对的低光和正常光数据集中学习到低光图像到正常光图像的映射方式。ULDFNet由双支路构成,上支路是注重对噪声进行抑制的细化分支,下支路是基于注意力机制的U-Net全局重建分支,用于高质量图像的生成。判别网络采用特征金字塔的多尺度结构来增强图像全局一致性,同时改进了损失函数,引入全新的保真度循环一致性损失来进一步提高图像纹理信息的恢复质量。定性与定量的实验结果证明了所提方法能够有效抑制增强后图像伪影的产生和噪声的放大。