Frente a los problemas de baja luminosidad y de información difusa, en este artículo proponemos un algoritmo de mejora de imágenes de baja luminosidad contextualemnte perceptivo. En primer lugar, investigamos el módulo de percepción contextual para extraer información detallada y artefactos de borde, utilizando una función de activación para un mapeo no lineal, y obtener la importancia de las características en el contexto actual. A continuación, reemplazamos el módulo de atención multitarea en el transformador por un mecanismo de control de atención lineal, reduciendo la complejidad de los cálculos en imágenes de alta resolución mientras se mantienen las prestaciones. Por último, diseñamos un módulo de guía de reconstrucción para centrarse en la información del área de baja luminosidad durante la reconstrucción de las imágenes, capturando información de correlación entre las diferentes posiciones de entrada, mejorando la capacidad del modelo en la tarea de reconstrucción. Los experimentos mostraron que en comparación con el algoritmo clásico URetinex de mejora de imágenes de baja luminosidad, el PSNR de las imágenes generadas en el conjunto de datos LOL aumentó en un 1,33 % y el SSIM en un 3,73 %. En el conjunto de datos SICE, el PSNR de las imágenes aumentó en un 1,2 % y el SSIM en un 2,8 %. El algoritmo de este artículo permite mejorar eficazmente las imágenes de baja luminosidad, generando imágenes claras y uniformemente iluminadas.

mejora de baja luminosidad; Transformador; Atención lineal; Mecanismo de control