一种基于降质学习的低光照图像增强方法

摘要

低光照图像增强任务旨在提高图像的可见性，同时保持其视觉自然度.针对训练数据缺乏多样性以及恢复图像中细节丢失和颜色失真这两方面问题，基于分布一致性约束，本文提出一种无监督降质学习和数据增广方法用于低光照图像增强，其中包括设计两阶段的网络来学习低光降质的内在特性以及重新恢复低光图像的亮度和纹理细节.受彩色图像成像原理的启发，本文将低光图像增强任务分解为降质学习环境干扰去除，和图像本体细节和颜色细化表达.具体来讲，本文首先从低光输入中估计降质以模拟环境关照因素导致的失真，然后细化内容以恢复漫射导致的内容和对比度损失，并设计一种新颖的降质学习和内容细化网络.在低光图像增强和联合检测任务上的大量实验验证了本文算法的有效性和效率.

关键词

低光图像增强 / 降质学习 / 数据增广 / 编-解码器 / 扰动去除