低照度画像の明るさが低く、コントラストが低く、色の歪みがある問題や、既存の多くの強調アルゴリズムが異なるチャネルを区別せずに処理しており、多層特徴の抽出に不利である問題に対して、多チャネル融合注意ネットワークに基づく低照度画像強調アルゴリズムを提案する。まず、オクターブ畳み込み（Octave Convolution, OctConv）をチャネル分割後の残差構造に導入し、多階層特徴抽出モジュールを提案した。次に、注意機構と交差残差構造を利用してクロススケール特徴注意モジュールを提案した。さらに、サイズとチャネル数の異なるモジュールの積み重ねによって多階層情報を取得した。最後に、チャネル次元で特徴融合を行い、再構成モジュールを通じて出力を得た。実験結果は、RISSNetアルゴリズムと比較して、実画像におけるピーク信号対雑音比と構造類似度がそれぞれ27.0016dBと0.8892から27.9781dBと0.9255に向上したことを示している。提案アルゴリズムは、ピーク信号対雑音比、構造類似度、平均二乗誤差、視覚情報忠実度の4つの客観的評価指標において最良の結果を得た。このアルゴリズムは、低照度画像の明るさとコントラストを効果的に向上させることができ、画像の質感や色彩を良好に保持する。

画像強調;低照度;注意機構;多チャネル;オクターブ畳み込み