저조도 이미지에는 낮은 대비와 낮은 신호 대 잡음비 문제 등이 존재하며, 품질이 낮은 수집 이미지가 이후 관찰과 측정에 심각한 영향을 미칩니다. 복잡한 응용 시나리오에서 저조도 이미지 품질 향상을 위해 본 연구에서는 빠르고 견고하게 저조도 이미지 향상 작업을 수행할 수 있는 반복 전파 네트워크를 설계하였습니다. 먼저, 점진적인 방식으로 조도 예측 작업을 모델링하는 다단계 예측 모델을 설계하여, 알려지지 않은 실제 상황에 적응하기 위해 모델의 비선형 적합 능력을 강화하였습니다. 다단계 연쇄 네트워크가 초래하는 추론 부담을 고려하여, 본 연구는 Retinex 전진 전파 모델을 기반으로 반복 순환을 구축하여 다단계 모델의 각 단계가 유사하거나 동일한 상태로 수렴하여 추론 과정을 최적화하고, 모델 성능을 향상시키는 동시에 추론 속도를 크게 높였습니다. 공개 데이터셋을 기반으로 비교 실험을 수행하였으며, 최고 기존 비교 알고리즘 대비 평균 최고 신호 대 잡음비 및 구조 유사도가 각각 11.8% 및 3.5% 높았습니다. 이와 더불어, 본 연구는 반복 전파 네트워크를 실제 촬영된 저노출 사진 및 저여광 형광 현미경 이미지의 향상에 적용하였으며, 실험 결과 우수한 이미지 향상 성능 및 일반화 가능성을 입증하였습니다.

신경망;저조도 이미지 향상;연쇄 구조;Retinex 모델