低光照图像增强的图像信号处理方法综述

由于多媒体设备的普及，数字内容（照片和视频）在各种应用中的使用有所增加。这些用途包括广告活动、教育资源和社交网络平台。随着人们越来越注重视觉效果，对高质量图形信息的需求日益增长。然而，由于图像捕获设备和光照条件的限制，拍摄的图像经常存在可见度低和噪声大的问题。低光照图像增强旨在提高在低光照条件下拍摄的图像的视觉质量。传统的图像增强技术通过改变噪声、亮度和对比度来解决这个问题。然而，基于深度学习的方法在最近主导了该领域的进展。这些方法在有效降低噪声的同时保留了重要信息，在改善低光照图像方面显示出有前景的结果。本文对增强低光照图像的图像信号处理方法进行了广泛的总结。该综述将方法分为三类：混合技术、基于深度学习的方法和传统方法。传统技术包括去噪、自动白平衡和降噪。基于深度学习的技术利用卷积神经网络（CNN）来识别和提取低光照图像的特征。为了获得更好的结果，混合方法将基于深度学习的方法论与更传统的方法相结合。本综述还讨论了每种方法的优点和局限性，并提供了对该领域未来研究方向的见解。