Diante dos problemas de imagens com baixa luminosidade, como baixo brilho, alto ruído, desvio de cor e perda de detalhes e texturas, propõe-se um método de aprimoramento de imagens baseado em agregação de características intercamadas com atenção híbrida de caminho duplo. Primeiramente, foi projetado o módulo residual de atenção dual de múltiplas escalas (Multi-scale Dual-path Attention Residual module, MDAR), que inclui o bloco paralelo de amostragem de características multiescala (Parallel Multi-scale Feature Sampling Block, PMFB) e o bloco de atenção híbrida de caminho duplo (Dual-path Hybrid Attention Block, DHAB). O PMFB é utilizado para extrair e fundir informações de características multiescala, promovendo a representação global das características locais, proporcionando um aprimoramento eficaz dos detalhes da imagem, enquanto o DHAB dá maior atenção às áreas de ruído da imagem e informações de cor, aliviando as diferenças entre as características de diferentes atenções, suprimindo efetivamente o ruído e melhorando a qualidade da imagem. Além disso, foi projetado o módulo de agregação intercamadas de características (Cross-level Feature Aggregation Module, CFAM), que funde características de diferentes níveis, compensando as diferenças entre características profundas e rasas, fortalecendo a percepção das características superficiais para realizar o aprimoramento da imagem. Os resultados experimentais mostram que o método proposto alcançou valores de PSNR, SSIM, LPIPS e NIQE no conjunto de dados LOL de 22,347 dB, 0,850, 0,178 e 4,153, respectivamente; e no conjunto de dados MIT-Adobe 5K de 22,703 dB, 0,903, 0,137 e 3,822, respectivamente. Em comparação com outros algoritmos, houve uma melhora significativa, comprovando a eficácia do método proposto.

aprimoramento de imagem;múltiplas escalas;atenção híbrida;agregação de características