Retinex的切换视角：深度自正则化低光照图像增强
计算机视觉与模式识别
2021-07-20 v1
摘要
自正则化低光照图像增强在训练中无需任何正常光照图像，从而摆脱了对成对或非成对低光/正常图像的依赖。然而，现有方法存在色彩偏差且无法泛化至多种光照条件。本文提出一种基于Retinex的新型自正则化方法，其受HSV启发，保留所有颜色(色调、饱和度)并仅将Retinex理论融入亮度(明度)。我们通过约束同一场景原始亮度与其新颖随机扰动形式中所嵌反射率的一致性，构建反射率估计网络。由Retinex假设与光照无关的所得反射率，被视作增强后的亮度。我们的方法高效，因将低光照图像解耦为颜色与亮度两个子空间，以更好地保留与增强。大量实验表明，本方法在定性与定量上均优于多个最先进算法，并适应更多光照条件。
引用
@article{arxiv.2101.00603,
title = {A Switched View of Retinex: Deep Self-Regularized Low-Light Image Enhancement},
author = {Zhuqing Jiang and Haotian Li and Liangjie Liu and Aidong Men and Haiying Wang},
journal= {arXiv preprint arXiv:2101.00603},
year = {2021}
}