基于深度卷积神经网络的无参考低照度图像增强

作者：陈勇^*; 陈东; 刘焕淋; 黄美永; 汪波

来源：电子与信息学报, 2022, 44(06): 2166-2174.

• 图像增强
• 低照度
• Retinex
• 卷积神经网络
• 趋势一致

针对低照度图像增强算法在实现细节增强的同时对噪声抑制考虑的不足问题，该文提出一种基于深度卷积神经网络的无参考低照度图像增强方法。首先，基于Retinex理论从输入的低照度图像中提取照射分量和反射分量，并分别对二者进行优化，随后将优化后的照射分量和反射分量相乘得到增强后的图像；同时，将3D块匹配(BM3D)的去噪效果融合进反射分量的优化过程中；最后，采用无参考图像训练的方式，并配合改进后的趋势一致性损失对网络参数进行更新。实验结果表明，该文算法相较于现有的主流算法，可有效地提升低照度图像的对比度和亮度，同时保持图像的自然性。

• 单位
  重庆邮电大学