이미징 장치는 저조도 환경에서 대비가 낮고 이미지 세부 정보가 손실되며 색 왜곡 등의 문제를 겪는데, 이는 영상 감시, 지능형 교통, 얼굴 인식 등 응용 분야에서 큰 방해 요소가 된다. 이 문제를 해결하기 위해 본 논문은 주의 메커니즘이 융합된 복합 잔차 네트워크를 제안하여 저조도 이미지 향상을 구현한다. 해당 알고리즘은 먼저 색상 공간 변환(RGB-HSV)을 통해 명도 성분 V를 구축된 신경망에 투입하고, 신경망은 주의 메커니즘이 융합된 다중 분기 구조를 통해 이미지의 얕은 특징을 추출한 후 복합 잔차 네트워크를 통해 깊은 특징을 추출하며, 이후 이미지 재구성을 거쳐 향상된 V 성분을 얻고, 마지막으로 성분 융합을 통해 이미지 향상을 실현한다. 실험 결과는 국내외 주류 저조도 이미지 향상 알고리즘과 비교할 때, 제안된 알고리즘이 주관적 시각에서 이미지 밝기 및 대비를 현저히 개선하며, PSNR, SSIM 지표에서 기존 알고리즘 대비 각각 약 20%, 15%, 딥러닝 알고리즘 대비 각각 약 9%, 3% 향상된 결과를 보였으며, 인공 합성 저조도 이미지와 실제 자연 저조도 이미지 모두에서 우수한 성능을 보이며 이미지 향상의 자연스러운 색상, 대비 및 강인성 요구를 기본적으로 충족한다.

저조도 이미지 향상; 신경망; 잔차 네트워크; 주의 메커니즘; HSV 색 공간