基于特征互补网络的夜间光斑消除技术研究：FCNet模型的空间-频率协同机制

本文推荐：研究者提出创新的两阶段特征互补网络(FCNet)，通过空间-频率互补模块(SFCM)实现光斑区域感知，结合门控机制(SFCGM)和光斑交互模块(FIM)实现夜间复杂光斑的高精度消除。该方案在Flare7K++数据集上验证了其超越现有方法的性能，为自动驾驶等夜间视觉任务提供关键技术支撑。

　　

Highlight亮点

• 提出新型两阶段特征互补网络(FCNet)，通过首阶段获得的光斑掩膜精准指导后续消除过程

• 设计空间-频率互补门控模块(SFCGM)，在保留背景的同时实现跨域光斑消除

• 开发光斑交互模块(FIM)，通过建模光斑与非光斑区域的全局关联实现精细化修复

Methodology方法学

我们首先引入边缘引导的光斑掩膜感知网络来区分光源与光斑，随后提出掩膜引导的消除网络。如图1所示，网络架构包含：

1. 1.

   感知阶段：采用快速傅里叶变换(FFT)突破CNN感受野限制，通过SFCM生成光斑热力图

2. 2.

   消除阶段：SFCGM采用门控残差机制，在空间域和频域同步处理；FIM则通过区域交互抑制伪影

Experimental details实验细节

数据集：采用增强版Flare7K++数据集，包含5,000例散射光斑和2,000例反射光斑。训练时随机选择光斑图像与对应光源进行伽马逆校正。评估指标包含PSNR、SSIM和LPIPS等。

Conclusion结论

本研究提出的FCNet通过双阶段协同处理，创新性地融合频域特征与空间门控机制，有效解决了夜间复杂光斑的消除难题。FIM模块的细粒度交互策略显著提升了伪影抑制效果，为低照度环境下的计算机视觉应用提供新方案。