저조도 영상에서 발생하는 낮은 밝기, 많은 노이즈, 색상 편차 및 세부 텍스처 손실 문제를 해결하기 위해 이중 경로 혼합 주의 기반의 계층 간 특징 집약 영상 향상 방법을 제안한다. 우선, 다중 스케일 이중 경로 주의 잔차 모듈(Multi-scale Dual-path Attention Residual module, MDAR)을 설계했으며, MDAR은 병렬 다중 스케일 특징 샘플링 블록(Parallel Multi-scale Feature Sampling Block, PMFB)과 이중 경로 혼합 주의 블록(Dual-path Hybrid Attention Block, DHAB)으로 구성된다. PMFB는 다중 스케일 특징 정보를 추출하고 융합하여 지역 특징의 전역적 표현을 촉진하며, 영상의 세부 정보를 효과적으로 향상시킨다. DHAB는 영상의 노이즈 영역과 색상 정보에 더 큰 주의를 기울여 서로 다른 주의 간 특징 차이를 완화하고 노이즈를 효과적으로 억제하여 영상 품질을 향상시킨다. 또한, 서로 다른 계층의 특징을 융합하는 계층 간 특징 집약 모듈(Cross-level Feature Aggregation Module, CFAM)을 설계하여, 깊은 특징과 얕은 특징 간의 차이를 보완하고 얕은 특징에 대한 인식을 강화하여 영상 향상을 실현한다. 실험 결과, 제안된 방법은 LOL 데이터셋에서 PSNR, SSIM, LPIPS 및 NIQE가 각각 22.347 dB, 0.850, 0.178 및 4.153에 도달했으며, MIT-Adobe 5K 데이터셋에서는 각각 22.703 dB, 0.903, 0.137 및 3.822에 도달했다. 다른 알고리즘과 비교할 때 큰 향상을 보여 제안한 방법의 유효성을 입증했다.

영상 향상;다중 스케일;혼합 주의;특징 집약