双条件扩散概率模型驱动的低光照图像增强方法

摘要

针对当前低光照图像增强算法生成图像存在色彩恢复不足、噪声和模糊现象等问题，提出一种双条件扩散概率模型驱动的低光照图像增强方法（low-light image enhancement method with dual conditional diffusion probabilistic model, LLDiffusion）.该方法以低光照图像和直方图均衡化图像作为扩散概率模型中反向过程的条件输入，以便充分利用低光照图像内的有效信息.同时，引入双条件噪声预测器，利用其多尺度特征提取模块和时间残差融合模块，获得更具真实性的生成图像，提高图像生成质量.在现有基准数据集LOL和VE-LOL上对所提方法进行测试，实验结果表明，LLDiffusion在P_SNR、S_SIM、F_ID指标上均取得良好的效果，基于此方法增强的图像具有更好的曝光控制、更少的噪声和伪影.

关键词

扩散概率模型 / 低光照图像增强 / 虚拟环境构建 / 生成模型