Considerando os problemas de baixa luminância, baixo contraste, distorção de cor em imagens de baixa luminosidade e o fato de que a maioria dos algoritmos de aprimoramento existentes não tratam os diferentes canais de forma diferenciada, dificultando a extração de características em múltiplos níveis, propõe-se um algoritmo de aprimoramento de imagens de baixa luminosidade baseado em uma rede de atenção de fusão multicanal. Primeiramente, ao introduzir a Convolução Octave (Octave Convolution, OctConv) na estrutura residual após a divisão dos canais, é proposto um módulo de extração de características multinível; em segundo lugar, utilizando o mecanismo de atenção e a estrutura residual cruzada, propõe-se um módulo de atenção para características em múltiplas escalas; em seguida, por meio do empilhamento de módulos de diferentes tamanhos e números de canais, obtêm-se informações multiníveis; finalmente, realiza-se a fusão de características na dimensão do canal e a saída é obtida por meio do módulo de reconstrução. Os resultados experimentais mostram que, em comparação com o algoritmo RISSNet, a relação sinal-ruído máxima e a similaridade estrutural em imagens reais aumentaram de 27,0016 dB e 0,8892 para 27,9781 dB e 0,9255, respectivamente. O algoritmo proposto alcançou os melhores resultados em quatro indicadores objetivos de avaliação: relação sinal-ruído máxima, similaridade estrutural, erro quadrático médio e fidelidade da informação visual. Este algoritmo pode efetivamente melhorar o brilho e o contraste de imagens de baixa luminosidade, preservando bem os detalhes de textura e cor.

aprimoramento de imagem;luz baixa;mecanismo de atenção;multicanal;convolução octave