ALEN：用于均匀和非均匀低光图像增强的双方法

低光图像增强是计算机视觉中的重要任务，对于提高在非最优照明条件下捕获的图像可见性和质量至关重要。不充分的照明会导致显著的信息丢失和差异的图像质量，影响监视、摄影甚至自动驾驶等各类应用。在此背景下，开发了自动方法来自动调整图像中的照明，以实现更好的视觉感知。当前的增强技术常常使用特定数据集来增强低光图像，但在应对多样化现实条件时仍面临挑战，其中照明退化可能局限于特定区域。为解决此挑战，本文引入自适应光照增强网络（ALEN），其主要方法是使用分类机制来确定是需要局部照明增强还是全局照明增强。随后，估计网络根据此分类调整照明，并同时提高颜色保真度。ALEN集成了Light Classification Network（LCNet）用于照度分类，辅以Single-Channel Network（SCNet）和Multi-Channel Network（MCNet），用于精确估计照明和颜色。对公开的低光条件数据集进行了大量实验，以凸显ALEN的鲁健泛化能力，证明其在定性和定量评估方面均优于最近的领先方法。ALEN不仅在视觉感知方面提升了图像质量，还代表了语义分割等高层次视觉任务的进步。本方法的代码可在 https://github.com/xingyumex/ALEN 查阅。