Dispositivos de imagem apresentam problemas como baixo contraste, perda de detalhes da imagem e distorção de cores em ambientes com pouca luz, o que causa grande interferência em cenários de aplicação como vigilância por vídeo, transporte inteligente e reconhecimento facial. Para resolver esse problema, este artigo propõe uma rede residual composta que integra um mecanismo de atenção para melhorar imagens em baixa luminosidade. O algoritmo primeiro realiza a conversão no espaço de cores (RGB-HSV), inserindo o componente de luminância V na rede neural construída; em seguida, a rede neural extrai características superficiais da imagem por meio de uma estrutura de múltiplos ramos com mecanismo de atenção, depois extrai características profundas pela rede residual composta, em seguida reconstrói a imagem para obter o componente V aprimorado e, por fim, realiza a melhoria da imagem por meio da fusão dos componentes. Os resultados experimentais mostram que, em comparação com os principais algoritmos nacionais e internacionais de aprimoramento de imagens em baixa luminosidade, o algoritmo proposto melhora significativamente o brilho e o contraste da imagem na visão subjetiva, com aumentos de aproximadamente 20% e 15% nos índices PSNR e SSIM em relação aos algoritmos tradicionais, e melhorias de aproximadamente 9% e 3% em comparação com algoritmos de aprendizado profundo. Apresenta bom desempenho tanto em imagens de baixa luminosidade sintetizadas artificialmente quanto em imagens reais e naturais, atendendo basicamente aos requisitos de cor natural, alto contraste e alta robustez na melhora da imagem.

aprimoramento de imagens em baixa luminosidade; redes neurais; redes residuais; modelo de atenção; espaço de cores HSV