В устройствах визуализации при низком освещении возникают проблемы с низкой контрастностью, потерей деталей изображения и искажением цвета, что сильно мешает приложениям видеонаблюдения, интеллектуального транспорта и распознавания лиц. Для решения этой проблемы в статье предложена составная остаточная сеть с механизмом внимания для улучшения изображений при низкой освещенности. Алгоритм сначала выполняет преобразование цветового пространства (RGB-HSV), помещая компонент яркости V в построенную нейронную сеть, затем нейронная сеть извлекает поверхностные признаки изображения через много-потоковую структуру с механизмом внимания, далее с помощью составной остаточной сети извлекаются глубокие признаки, после чего проводится реконструкция изображения для получения улучшенного компонента V, и, наконец, осуществляется усиление изображения путем слияния компонентов. Экспериментальные результаты показывают, что предложенный алгоритм обеспечивает значительное улучшение яркости и контрастности с субъективной точки зрения по сравнению с основными отечественными и зарубежными алгоритмами усиления изображений при низком освещении, с улучшением примерно на 20% и 15% по показателям PSNR и SSIM по сравнению с традиционными алгоритмами, и на 9% и 3% по сравнению с алгоритмами глубокого обучения; он хорошо работает как с искусственно созданными, так и с реальными, естественными изображениями при низком освещении, в основном удовлетворяя требованиям естественного цвета, высокого контраста и устойчивости усиленных изображений.

усиление изображений при низком освещении; нейронные сети; остаточные сети; механизм внимания; цветовое пространство HSV