一种基于双向多头自注意力的暗区图像增强方法

本发明公开一种低光图像增强方法ECAFormer，包含视觉‑语义卷积、U形交叉注意力Transformer与映射卷积三级结构。通过双多头自注意力模块在同尺度耦合视觉与语义特征，再借跨尺度双多头自注意力模块叠加跨层残差，实现细节与亮度同步提升。训练阶段联合感知损失与Charbonnier损失，抑制伪影并保持纹理平滑。实验结果显示：在FiveK、LOL及夜间道路数据集上，ECAFormer较现有算法PSNR提升2–3dB、SSIM提升0.02–0.05，并且可于移动端实时推理。该方法有效降低低光噪声、恢复纹理细节，可作为自动驾驶、监控与机器人视觉的前端预处理方案。