摘要: 摘 要: 低光照图像的图像质量往往较低,而低光照图像增强(LLIE)旨在提高这类图像的视觉质量。针对现有的低光照图像增强算法大多专注于增强亮度和对比度、忽略细节增强的问题,提出一个基于层间引导的低光照图像渐进增强算法,兼顾图像亮度和细节增强。首先,使用拉普拉斯金字塔(LP)降低任务复杂度,提高算法效率;然后,利用各频率分量间的相关性,在低频和高频分量之间构建基于Transformer的层间引导融合模块,在各高频分量之间构建轻量级的层间引导融合模块,有效精炼金字塔较低层增强信息指导较高层处理图像,实现基于层间引导的渐进增强;最后,通过拉普拉斯金字塔重建出亮度均匀、细节清晰的增强图像。实验结果表明,所提算法在LOL(LOw-Light)-v1数据集上比DSLR(Deep Stacked Laplacian Restorer)高了2.3dB,在LOL-v2数据集上比UNIE(Unsupervised Night Image Enhancement)高了0.55dB。与其他基于深度学习的低光照图像增强算法相比,该算法运行速度快,增强结果在客观和主观质量上均获得明显提升,更适用于实际场景。