近日，我校人工智能与大数据学院在计算机视觉与图像处理领域取得重要研究进展。2022级硕士研究生杨仁涛（导师：王晓峰、邹乐）与吴志泽教授为论文共同第一作者，王晓峰教授、邹乐教授为通讯作者，合作完成的学术论文 “DHSNet: Denoised-Modulated Hybrid-Semantic Scale-Aware Network for Low-Light Image Enhancement” 被国际计算机视觉与多媒体领域顶级学术期刊 《IEEE Transactions on Multimedia》（IEEE TMM）正式录用。
在低光条件下拍摄的图像通常存在对比度低、颜色失真和噪声等问题，这不仅影响了人类的视觉感知，也严重阻碍了目标检测、分类和分割等下游机器视觉任务。现有的基于Retinex理论或深度学习的低光图像增强方法在处理这些图像损坏时仍存在明显不足，其主要问题在于这些算法在增强亮度的同时，往往会引入或放大噪声和伪影。
针对上述挑战，团队提出了一种名为 DHSNet 的新型单阶段低光图像增强方法。该方法创新性地集成了基于信噪比的去噪机制，在预处理阶段有效抑制固有噪声并与原始输入进行调制融合，大幅提升了网络的鲁棒性；在此基础上，设计了采用循环跳跃连接金字塔结构的混合语义尺度感知模块，通过跨层级提取并动态融合多尺度特征，精准引导光照校正并修复图像退化问题；此外，网络中引入的光照局部注意力块通过构建局部全连接层，在有效减少计算开销的同时，显著增强了模型的非线性变换能力与光照分布的校正精度。在多个公开的低光图像增强数据集上进行的广泛实验表明，DHSNet在去除噪声、保留复杂细节以及恢复退化结构方面表现卓越，定性和定量指标均显著优于现有最先进方法，并在无参考图像增强及低光目标检测等高级视觉任务中展现出了强大的泛化能力与极高的实际应用价值。
该论文的顺利录用，标志着我院在人工智能与多媒体图像处理领域的科研水平与研究生培养质量迈上了新台阶。本研究由合肥大学人工智能与大数据学院作为第一完成单位，并联合了中国科学技术大学及英国爱丁堡龙比亚大学的顶尖学者共同合作完成。
论文链接：https://doi.org/10.1109/TMM.2026.3664955
期刊简介：《IEEE Transactions on Multimedia》（简称 IEEE TMM）是电气与电子工程师协会（IEEE）出版的多媒体计算与技术领域的顶级国际旗舰期刊。该期刊被中国科学院文献情报中心列为 SCI 计算机科学大类一区（Top 期刊）、位列 JCR Q1 区，同时是中国计算机学会（CCF）推荐的 A 类国际学术期刊，最新影响因子（Impact Factor）为 9.7。该期刊侧重于多媒体系统、图像与视频处理及人工智能前沿应用，在国际计算机学术界具有广泛的影响力。
（人工智能与大数据学院 撰稿：邹乐 初审：嵇圣硙 复审：吴志泽 终审：胡萍）