DA-DRN:用于低光图像增强的退化感知深度 Retinex 网络
图像与视频处理
2021-10-06 v1 计算机视觉与模式识别
摘要
真实世界低光条件下获取的图像不仅亮度低,还遭受许多其他类型的退化,如色彩失真、未知噪声、细节丢失和光晕伪影。本文中,我们提出一种退化感知深度 Retinex 网络(记为 DA-DRN)用于低光图像增强并处理上述退化。基于 Retinex 理论,我们模型中的分解网络可将低光图像分解为反射图和光照图,并在分解阶段直接处理反射图中的退化。我们提出一种退化感知模块(DA Module),可引导分解器的训练过程,并使分解器在训练阶段成为修复器,而在测试阶段无额外计算成本。DA Module 能在将细节信息保留至光照图的同时实现去噪目的,并处理色彩失真与光晕伪影。我们引入感知损失来训练增强网络以生成更符合人类视觉感知的亮度提升光照图。我们在 LOL 真实世界与 LOL 合成数据集上训练和评估所提模型的性能,并在其他几个无真值(Ground-Truth)的常用数据集(LIME、DICM、MEF 和 NPE 数据集)上测试模型。我们进行了大量实验证明,我们的方法取得了良好鲁棒性和泛化性的可观效果,并在定性与定量上优于许多其他 SOTA 方法。我们的方法在 TITAN Xp GPU 上处理 600x400 分辨率图像仅需 7 ms。
引用
@article{arxiv.2110.01809,
title = {DA-DRN: Degradation-Aware Deep Retinex Network for Low-Light Image Enhancement},
author = {Xinxu Wei and Xianshi Zhang and Shisen Wang and Cheng Cheng and Yanlin Huang and Kaifu Yang and Yongjie Li},
journal= {arXiv preprint arXiv:2110.01809},
year = {2021}
}
备注
16 pages, 17 figures