Сталкиваясь с проблемой низкой яркости и размытой информации о деталях в условиях низкой освещенности, в данной работе предложен контекстно-чувствительный алгоритм улучшения изображений в условиях низкой освещенности. Во-первых, исследован контекстно-чувствительный модуль для извлечения информации о деталях и фальшификации краев, использование функции активации для нелинейного отображения, получение значимости признаков в текущем контексте. Во-вторых, вместо многофункционального модуля внимания трансформатора применен механизм линейного управления вниманием, что позволило снизить посимвольную сложность высокоразрешенных изображений с сохранением производительности. Наконец, разработан модуль направления восстановления для обращения внимания на информацию о области низкой освещенности при восстановлении изображений, захватывая связанную информацию между различными положениями ввода, увеличивая способность модели к задаче восстановления. Эксперименты показали, что в отличие от существующего типичного алгоритма улучшения изображений с низкой освещенностью URetinex, PSNR изображений, сгенерированных на наборе данных LOL, увеличился на 1,33 %, а SSIM увеличился на 3,73 %. На наборе данных SICE PSNR изображений увеличился на 1,2 %, а SSIM увеличился на 2,8 %. Алгоритм данной статьи позволяет эффективно улучшать изображения с низкой освещенностью, создавая четкие и равномерно освещенные изображения.

улучшение низкой освещенности; Трансформатор; Линейное внимание; Механизм управления