저조도 이미지의 밝기 낮음, 대비 낮음, 색상 왜곡 문제와 대부분의 기존 강화 알고리즘이 서로 다른 채널을 구분 없이 처리하여 다층 특징 추출에 불리한 문제를 해결하기 위해 다중 채널 융합 주의 네트워크 기반 저조도 이미지 강화 알고리즘을 제안한다. 먼저, 옥타브 합성곱(Octave Convolution, OctConv)을 채널 분할 후 잔차 구조에 도입하여 다계층 특징 추출 모듈을 제안했다; 둘째, 주의 메커니즘과 교차 잔차 구조를 이용해 크로스 스케일 특징 주의 모듈을 제안했다; 셋째, 크기와 채널 수가 다른 모듈을 쌓음으로써 다계층 정보를 얻었다; 마지막으로 채널 차원에서 특징 융합을 수행하고 재구성 모듈을 통해 출력을 얻었다. 실험 결과, RISSNet 알고리즘과 비교했을 때 실제 이미지에서 피크 신호 대 잡음비와 구조적 유사도는 각각 27.0016 dB와 0.8892에서 27.9781 dB와 0.9255로 향상되었다. 제안한 알고리즘은 피크 신호 대 잡음비, 구조적 유사도, 평균 제곱 오차, 시각 정보 보존도의 4가지 객관적 평가 지표에서 모두 최고의 결과를 얻었다. 해당 알고리즘은 저조도 이미지의 밝기와 대비를 효과적으로 향상시키며, 이미지의 텍스처 세부 사항과 색상을 잘 보존한다.

이미지 향상;저조도;주의 메커니즘;다중 채널;옥타브 합성곱