TCSVT 2024 | 基于多尺度注意力和频域优化的低光图像增强

主要观点总结

本文介绍了一篇关于低光照图像增强的论文，论文提出了一种两阶段模型SWANet来解决低光照图像增强问题。第一阶段利用多尺度光照调整网络MIANet在空间域调整光照和局部对比度；第二阶段通过基于小波的噪声消除网络WNENet在频域消除残余噪声并增强图像细节。论文引入了多尺度注意力融合网络、离散小波变换损失等新技术，并通过大量实验验证了方法的有效性和优越性。

关键观点总结

关键观点1: 论文提出一种两阶段模型SWANet解决低光照图像增强问题。

第一阶段利用MIANet调整光照和局部对比度；第二阶段利用WNENet消除噪声并增强细节。

关键观点2: 引入多尺度注意力融合网络，通过融合不同尺度的特征提高增强效果。

采用基于小波的噪声消除网络WNENet，在频域中消除噪声并增强图像细节。

关键观点3: 使用离散小波变换损失等新技术提高训练效果。

通过大量实验验证了方法的有效性和优越性。