《信息与电子工程前沿(英文)》
>> 2023年
第24卷
第7期
doi:
10.1631/FITEE.2200344
面向自动可视化的可解释数据变换推荐
1山东工商学院信息与电子工程学院,中国烟台市,264005;2山东工商学院计算机科学与技术学院,中国烟台市,264005;3山东工商学院山东省高等学校未来智能计算协同创新中心,中国烟台市,264005;4山东财经大学计算机科学与技术学院,中国济南市,250014
收稿日期:
2022-08-11
录用日期:
2023-07-24
发布日期:
2023-07-24
下一篇
上一篇
摘要
在低光环境下拍摄的图像质量不佳,影响其进一步应用。为提升低光图像可视性,提出一种基于过滤—群聚注意力(FCA)的递归网络,其中主体由3个单元组成:差异关注、门控递归以及迭代残差。该网络对低光图像进行多阶段递归学习,进而提取更深层次特征信息。为算得更加精确的相关性,设计了一种关注特征通道突出性的FCA。FCA与自注意力被用以突出特征的低光区域与重要通道。此外,设计了密集连接金字塔(DenCP)来提取低光反转图的色彩特征,使图像的色彩信息损失得以补偿。在6种公开数据集上的实验结果表明,本文方法在视觉和指标上有着突出表现。