Изображения с низкой освещённостью сталкиваются с проблемами низкой контрастности и низкого отношения сигнал/шум, что серьёзно влияет на последующее наблюдение и измерения из-за низкого качества собранных изображений. Для улучшения качества изображений с низкой освещённостью в сложных условиях данная работа разработала итеративную трансляционную сеть для быстрой и устойчивой задачи улучшения таких изображений. Во-первых, в работе разработана многоступенчатая модель прогнозирования, которая поэтапно моделирует задачу предсказания освещённости, усиливая нелинейную способность модели адаптироваться к неизвестным реальным условиям. Учитывая нагрузку на вычисления, вызванную многоэтапной каскадной сетью, была построена итеративная циклическая структура на основе прямой модели распространения Retinex, благодаря чему каждый этап многоступенчатой модели сходится к похожему или одному состоянию для оптимизации вывода. Это значительно увеличивает скорость вывода при улучшении производительности модели. Работа провела сравнение на общедоступных наборах данных, где средние значения пикового отношения сигнал/шум и структурного сходства превзошли лучшие существующие методы на 11.8% и 3.5% соответственно. Кроме того, итеративная трансляционная сеть была применена для улучшения фактически собранных фотографий с низкой экспозицией и изображений флуоресцентной микроскопии с низким возбуждением, экспериментальные результаты показали отличную производительность улучшения и обобщаемость.

нейронные сети;улучшение изображений с низкой освещённостью;каскадная структура;модель Retinex