A ground-based dataset and diffusion model for on-orbit low-light image enhancement
Abstract
في الفضاء، يعتبر الخدمات الفضائية أمرًا حيويًا للحفاظ على استدامة البيئة الفضائية. الكاميرا الفضائية المرئية الفضائية هي مستشعر اقتصادي وخفيف الوزن يمكن استخدامه للإدراك الوضعي أثناء خدمة الفضاء. ومع ذلك، فإن أدائها يتأثر بسهولة بالبيئات الخافتة. في السنوات الأخيرة، حققت التعلم العميق نجاحًا ملحوظًا في مجال تحسين الصور الطبيعية، ولكن نظرًا لقيود البيانات، لم تنتشر على نطاق واسع في الفضاء بعد. يقترح هذا البحث لأول مرة مجموعة بيانات لتحسين الصور الفضائية ذات الإضاءة المنخفضة (LLIE) في أقمار الصحون. في خطة جمع البيانات التلقائية، نشتمل على تقليل الاختلافات في المجال وزيادة تنوع مجموعة البيانات. تم جمع صور الأجهزة في البيئة بناءً على منصة المحاكاة للروبوتات التي تحاكي شروط الإضاءة في الفضاء. لضمان الأخذ في الاعتبار للزوايا والمسافات المختلفة دون حدوث تصادم، تم اقتراح طريقة تحليل وتغطية طبقة العمل بدون تصادم وتسلسل العينات. بعد ذلك، تم تطوير نموذج انتشار جديد. لتحسين تباين الصور بدون تعرض مفرط وتفاصيل غامضة، تم تصميم دمج توجيه الانتباه لتسليط الضوء على الهيكل والمناطق المظلمة. تشير نتائج المقارنة مع الأساليب الموجودة إلى أن طريقتنا تحتوي على أداء أفضل في تحسين الصور الفضائية ذات الإضاءة المنخفضة.
Keywords
Satellite capture;Low-light image enhancement (LLIE);Data collection;Diffusion model;Fused attention