基于亮度感知的递归低光图像增强
计算机视觉与模式识别
2025-04-04 v1 图像与视频处理
摘要
由于现实低光场景的动态范围较大，捕获图像在对比度退化和细节模糊程度上存在较大差异，导致现有端到端方法难以将低光图像增强到正常曝光水平。为解决上述问题，本文将低光图像增强分解为递归增强任务，提出一种基于亮度感知的递归增强框架，用于高动态范围低光图像增强。具体而言，our recursive enhancement framework由两个平行子网络组成：自适应对比度与纹理增强网络（ACT-Net）和亮度感知网络（BP-Net）。ACT-Net通过结合亮度调整分支和梯度调整分支，来感知低光图像中对比度和细节退化程度，从而在不同亮度水平下自适应增强图像对比度和细节。为实现不同亮度水平下的自适应增强，BP-Net通过探索图像亮度分布特性来控制ACT-Net的递归增强次数。最后，为协调ACT-Net与BP-Net，本文设计一种新型无监督训练策略以促进训练过程。为进一步验证所提方法的有效性，本文构建了一个由三组低光数据集混合而成的新型数据集，以获得更广泛的亮度分布。与十一组现有代表性方法进行比较后，所提方法在六项参考指标和无参考指标上实现了新的SOTA性能。具体而言，所提方法相对于现有SOTA方法的PSNR提升了0.9 dB。
引用
@article{arxiv.2504.02362,
title = {Brightness Perceiving for Recursive Low-Light Image Enhancement},
author = {Haodian Wang and Long Peng and Yuejin Sun and Zengyu Wan and Yang Wang and Yang Cao},
journal= {arXiv preprint arXiv:2504.02362},
year = {2025}
}