%0 Journal Article
%A 王鑫
%A 司文斌
%A 李豪
%A 秦君鹏
%A 张金鑫
%T 基于多层级分解-融合机制的铁路弱光图像增强方法
%D 2026
%R 10.11860/j.issn.1673-0291.20250113
%J 星空电竞app2026最新版学报
%P 165-173
%V 50
%N 2
%X <p>针对铁路夜间场景中弱光图像普遍存在的亮度分布不均、高频细节缺失及跨域特征失配等问题，提出一种基于多层级分解-融合机制的铁路弱光图像增强方法.首先，构建多级残差分解模块与多尺度特征融合机制的协同架构，实现全局光照校正、局部对比度提升与高频细节还原；其次，引入亮度感知注意力机制，构建聚焦亮度调控与细节增强的铁路弱光图像增强框架，通过可学习权重对增强区域进行自适应调节，有效抑制过曝并增强暗区细节；再次，建立融合机制实现跨层特征的动态融合，优化全局结构与局部纹理的协同表达；最后，将提出的模型与多种基线模型进行比较，并通过消融实验验证各个模块的有效性.实验结果表明：本方法可显著提高铁路图像增强效果，在LOLv1数据集上表现出更强的细节复原与曝光控制能力，峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）提升了0.63~9.13 dB，结构相似性指数（Structural Similarity Index Measure，SSIM）提升了0.013~0.325；消融实验验证了所提模块对模型性能的提升作用.此外，通过构建铁路图像弱光数据集RLL，与多种弱光图像增强方法开展对比及可视化分析，进一步验证了本文方法在增强效果上的优越性.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250113