会议时间：2026.6.25
会议地点：15栋315
参会人员：林豪发、胡定兴、许小迪、李琳、雷戈、王利元、罗标、袁阿兰、杨青松、李昀侪、李忆晴、杨智涵、吴楚鑫
会议主题：基于改进注意力机制的低光照图像空间特征门控增强方法
主讲人：许小迪
一、会议内容
许老师围绕低光照图像增强、空间特征提取、注意力机制改进开展阶段性科研进展汇报，结合图像降噪、空间特征建模、门控结构设计、视觉效果量化评估全套研究方法，梳理研究背景、技术难点、已完成工作及后续研究规划。
汇报首先指出低光照图像采集场景广泛，但原始图像普遍存在亮度不足、细节丢失、色彩失真、噪声混杂、边缘特征模糊等问题，依靠传统亮度调整算法易出现过曝、纹理损毁，必须设计针对性特征增强网络，依托注意力门控结构挖掘有效空间特征，实现高质量图像修复增强。随后梳理当前低光照图像增强算法存在的四大共性难题：
1. 低光照图像全局亮度偏低，暗区像素信噪比差，全局统一增强会放大随机噪声，现有模型无法自适应区分有效纹理区域与噪声区域，空间特征提取冗余度高；
2. 常规注意力机制仅简单对通道权重分配，忽略图像像素级空间位置关联，难以聚焦暗区关键纹理、边缘特征，微弱目标细节增强效果有限；
3. 传统增强网络缺少门控筛选结构，高低频特征混合传递，亮区过度提亮、暗区增强不足，图像局部对比度失衡，视觉一致性较差；
4. 模型缺乏可解释的特征筛选逻辑，无法量化不同空间区域、不同层级特征对增强效果的贡献程度，网络结构优化缺少明确依据。
针对上述痛点，现阶段研究构建图像预处理降噪—改进空间注意力特征提取—空间特征门控过滤—多指标量化评估完整实验技术路线开展验证：
1. 低光照图像预处理：采用双边滤波结合自适应阈值降噪，分离图像高斯噪声与纹理细节；同步完成像素值域归一化，消除不同拍摄设备、曝光参数带来的亮度分布差异，统一数据集输入标准。
2. 改进空间注意力机制设计：重构像素空间关联权重计算模块，融合局部邻域纹理信息，替代传统全局注意力，自适应提升暗区边缘、微小目标特征权重，抑制无信息平坦背景干扰，精准筛选有效空间特征。
3. 空间特征门控增强网络搭建：增设双层门控过滤单元，区分高频纹理特征与低频亮度特征，动态调控不同区域增强幅度，避免暗区噪声放大、亮区像素饱和；同时对比主流增强网络Retinex、MBLLEN、Zero-DCE开展对照实验，选用PSNR、SSIM、LPIPS作为客观评价指标，结合主观视觉打分综合衡量模型增强性能。
4. 空间特征贡献度量化分析：引入梯度权重归因算法，计算图像不同空间区块、不同层级特征对最终增强结果的影响权重，定位网络性能瓶颈，明确注意力模块、门控结构各自的增益效果，解决深度学习网络黑箱问题。
目前已完成多场景低光照图像数据集构建（室内暗光、夜间户外、逆光实拍图像），依托整套算法完成网络训练与消融对比实验。实验结果表明：融合改进空间注意力的门控增强模型在暗细节还原、噪声抑制、色彩保真三项指标上均优于传统算法，增强图像纹理完整、明暗过渡自然，整套网络推理速度快、泛化能力强，可拓展至监控成像、移动端视觉拍摄等低光照场景。
二、组员讨论
汇报结束后，与会师生围绕注意力结构优化、门控模块改进、数据集扩充、实验验证方案等内容展开交流研讨。
雷戈老师建议：可引入多尺度空间特征融合模块，对比全局注意力、局部窗口注意力、轴向注意力多种结构，筛选适配低光照图像的最优注意力范式；同时搭建轻量化网络分支，压缩模型参数量，适配嵌入式设备实时图像增强需求。
李琳老师提出：改进注意力机制中的邻域窗口尺寸、权重衰减系数等超参数开展网格搜索寻优，进一步强化微弱空间特征捕捉能力；增设雨天、雾天等复杂暗光场景对照数据集，验证整套算法在恶劣成像条件下的鲁棒性。
许小迪老师从科研写作与实验规范角度指出：完善完整消融实验，分别移除注意力分支、空间门控单元开展对比，量化两大核心模块对增强效果的提升幅度，形成标准化实验验证流程，为后续论文撰写、算法落地应用提供完整数据支撑。
参会同学围绕图像噪声类型适配、网络训练调参、多评价指标权衡、数据集扩充标注等实操问题交流经验，分享深度学习图像增强实验中常见过拟合、色彩偏移等问题的解决思路。
三、会议总结
许老师对本次汇报与研讨交流内容进行总结。
会议充分肯定现阶段低光照图像增强完整研究体系，从图像预处理降噪、改进空间注意力特征提取、空间门控增强网络到特征归因量化评估，技术路线完整规范，实验方案体系成熟，有效解决了暗光图像细节丢失、噪声放大、空间特征利用低效、增强效果不均衡等核心问题。
同时明确下一阶段四项重点优化方向：
一是扩充复杂低光照场景数据集，丰富暗光图像样本类型，验证算法跨场景通用性能；
二是多类注意力机制、门控结构开展横向对比实验，筛选最优模块组合方案；
三是引入轻量化、多尺度网络结构丰富建模体系，完善超参数寻优与模块消融对照实验；
四是固化标准化图像增强测试流程，优化模型推理效率，推动算法落地于监控视觉、移动端成像等实际低光照应用场景。
图为例会讨论现场
