CN116309182B 一种基于递归交互式注意力的低照度图像增强方法 （福州大学）

WO2023273290A1,2023.01一种基于递归交互式注意力的低照度图像本发明涉及一种基于递归交互式注意力的网络和输出映射模块组成；设计用于训练步骤B所设计网络的损失函数；使用步骤A得到的训练常照度图像。本发明利用递归交互式注意力机2IneR3进行特征提取，其中H和W分别为低照度图像的高和宽；步骤B22、将步骤B12得到的特征X(0)作为第一个递归交互块3意力单元和一个空间注意力单元；对于输入的特征先将其重塑为块级别的特征再经过一个卷积单元进行特征嵌入，该卷积单元依次由一个3块感知的双重注意力模块的输出特征具体公步骤B2113、设计局部块感知的双重注意力模块至全局上下文感知的可偏移注意力模块的交互操作，对于局部块感知的双重注意力模块输出的特征将其重塑回序列级别特征，然后与特征融合作为全局上下文感知的可偏移注意力模块的输入u-":4移多头自注意力和多层感知机；对于输入的特征依次送入归一化层和可偏移多头自注意力，得到的特征再与残差连接，输出中间特征然后，将步骤B2115、设计全局上下文感知的可偏移注意力模块至局部块感知的双重注意力模块的交互操作，对于全局上下文感知的可偏移注意力模块输出的特征将其重塑回5它们沿着通道维度进行拼接；接着，使用一个3x3卷积层将特征图映射回通道为1维的特最终，通过乘法操作将与空间注意力权重αs相乘，得到空间注意力加权的特征具体公式表示为：B22得到的最后一个递归交互块输出的NxC大小的特征重塑至大小的块2.根据权利要求1所述的一种基于递归交互式注意力的低照度图像增强方法，其特征步骤A2、将每一张大小为HxWx3的低照度图像随机裁切为PxPx3大小的图像，并对63.根据权利要求1所述的一种基于递归交互式注意力的低照度图像增强方法，其特征步骤D3、根据损失使用反向传播方法计算网络中参数的梯步骤D4、以批次为单位重复执行步骤D1至步骤D3，得到递7生活中越来越多的图像数据以数字的形式存在，这些数据包括从日常生活中拍摄的照片，[0004]早期的低照度图像增强方法主要基于直方图均衡化和Retinex理论。基于直方图8的低照度图像增强方法在近年来得到了广泛的研究和发展，比如结合Retinex理论和深度略也能够增强模型的表达能力和稳定性，使得模型能够更好地适应不同的低照度图像场[0015]步骤A2、将每一张大小为H×W×3的低照度图像随机裁切为并对其对应的正常照度图像采用相同的随机裁切方式，以确保它们具有相同的大小和位9道注意力单元和一个空间注意力单元；对于输入的特征先将级别的特征再经过一个卷积单元进行特征嵌入，该卷积单元依次由一个3×3卷积层、ReLu激活函数和一个3×3卷积层堆叠而成，映射得到的特征表示为具体公式表示如下：[0041]步骤B2112、将步骤B2211的特征送入通道注意力单元和空间注意力单元，[0044]步骤B2113、设计局部块感知的双重注意力模块至全局上下文感知的可偏移注意力模块的交互操作，对于局部块感知的双重注意力模块输出的特征将其重塑回序列级别特征，然后与特征融合作为全局上下文感知的可偏移注意力模块的输入uf);具体公式表示为：可偏移多头自注意力和多层感知机；对于输入的特征RC,依次送入归一化层[0051]步骤B2115、设计全局上下文感知的可偏移注意力模块至局部块感知的双重注意力模块的交互操作，对于全局上下文感知的可偏移注意力模块输出的特征将其重塑回块级别特征，然后与特征融合以更新局部块感知的双重注意力模块的输出具体公式表示为：1之间，得到通道注意力权最终，通过乘法操作将与通道权重αc相u,e:加权的特征具体公式表示为：步骤B22得到的最后一个递归交互块输出的N×C大小的特征重塑至大基于Transformer的低照度图像增强方法，本发明不仅结合了局部块感知和全局上下文感[0096]步骤A2、将每一张大小为H×W×3的低照度图像随机裁切为并对其对应的正常照度图像采用相同的随机裁切方式，以确保它们具有相同的大小和位道注意力单元和一个空间注意力单元。对于输入的特征邓"Re,先将其重塑为块级别的特征再经过一个卷积单元进行特征嵌入，该卷积单元依次由一[0121]其中，Reshape1(·[0125]步骤B2113、设计局部块感知的双重注意力模块至全局上下文感知的可偏移注意力模块的交互操作，对于局部块感知的双重注意力模块输出的特征将其重塑回序列级别特征，然后与特征融合作为全局上下文感知的可偏移注意力模块的输入uf-".具体公式可表示为：可偏移多头自注意力和多层感知机。对于输入的特征RNXC,依次送入归一化层依次送入归一化层和多头感知机，得到的特征再与uf-残差连接，输出全局上下[0132]步骤B2115、设计全局上下文感知的可偏移注意力模块至局部块感知的双重注意回块级别特征，然后与特征融合以更新局部块感知的双重注意力模块的输出具体公式可表示为：1之间，得到通道注意力权最终，通过乘法操作将与通道权重αc相步骤B22得到的最后一个递归交互