Предложен алгоритм улучшения изображений при низкой освещенности с адаптивным кросс-уровневым объединением признаков для решения проблем низкой яркости, низкой контрастности и плохого визуального восприятия изображений, собранных в условиях низкой освещенности. Сначала алгоритм комбинирует иерархическую выборку и широкомасштабную свертку для построения передней части сети, генерируя мульти масштабные признаки с большой областью восприятия, что обеспечивает полное извлечение поверхностной информации. Далее введен модуль многоголового транспонированного внимания в середину сети, который вычисляет взаимную ковариацию между каналами для генерации карт внимания, неявно устанавливая глобальные связи контекста. Затем строится совместная функция потерь для корректировки направления сходимости модели, которая помогает оптимизировать модель по контрасту и структуре, повышая устойчивость алгоритма. Наконец, были проведены эксперименты на наборах данных LOL и LOLv2, результаты которых показывают, что предложенный алгоритм превосходит большинство современных алгоритмов по объективным показателям, таким как пик-среднее отношение сигнал-шум (PSNR) и структурное сходство (SSIM), а субъективно изображения имеют естественную яркость, а шум и артефакты эффективно подавляются.

изображения при низкой освещенности;широкомасштабная свертка;мульти масштабные признаки;многоголовое транспонированное внимание;совместная функция потерь