Para abordar el problema de bajo brillo e información detallada borrosa en imágenes con poca luz, este artículo propone un algoritmo de mejora de imágenes de baja iluminación con conciencia contextual. Primero, se estudió un módulo consciente del contexto para extraer información de detalles y artefactos de bordes, utilizando una función de activación para realizar un mapeo no lineal y obtener la importancia de las características en el contexto actual. En segundo lugar, el módulo de atención multi-cabeza del Transformer fue reemplazado por un mecanismo de puerta de atención lineal, reduciendo la complejidad computacional en imágenes de alta resolución mientras se mantiene el rendimiento. Finalmente, se diseñó un módulo guiado de reconstrucción para enfocarse en la información de las áreas de baja iluminación durante la reconstrucción de la imagen, capturando las relaciones entre diferentes posiciones en la secuencia de entrada y mejorando la capacidad del modelo para expresar tareas de reconstrucción. Los resultados experimentales muestran que, en comparación con el algoritmo típico de mejora de baja iluminación URetinex, el PSNR de las imágenes generadas en el conjunto de datos LOL mejoró en un 1.33% y el SSIM en un 3.73%; en el conjunto de datos SICE, el PSNR mejoró en un 1.2% y el SSIM en un 2.8%. El algoritmo propuesto puede mejorar eficazmente las imágenes de baja luz, generando imágenes claras y con iluminación uniforme.

Mejora de baja iluminación;Transformer;Atención lineal;Mecanismo de puerta