一种基于多注意力机制的低光图像增强方法

本发明提供一种基于多注意力机制的低光图像增强方法，构建名为GLADFormer的端到端神经网络模型。所述模型包括光照估计模块、图像恢复模块与像素感知门控调制模块。光照估计模块提取局部与全局光照特征，并引入对比学习以增强特征判别性；图像恢复模块采用多尺度U型结构，并融合光照引导注意力机制，实现结构细节恢复与噪声抑制；像素感知门控调制模块基于代码本进行像素级语义增强与结构优化。全网络采用联合损失函数进行训练，兼顾重建质量与光照一致性。该方法可有效提升低光图像的亮度均衡性与结构清晰度，适用于夜间视觉、视频监控等多种实际场景，具有良好的适应性与部署效率。