DEANet：面向低光照图像增强的分解增强与调整网络
计算机视觉与模式识别
2022-09-27 v1 图像与视频处理
摘要
在低光照条件下获取的图像会严重影响图像质量。解决低光照图像质量差的问题可有效提升图像的视觉质量，并更好地改善计算机视觉的可用性。此外，其在诸多领域具有非常重要的应用。本文提出一种基于 Retinex 的 DEANet 用于低光照图像增强。它将图像的频率信息与内容信息整合进三个子网络：分解网络、增强网络和调整网络。这三个子网络分别用于分解、去噪、对比度增强与细节保持、调整以及图像生成。我们的模型对所有低光照图像均具有良好的鲁棒性结果。该模型在公开数据集 LOL 上进行训练，实验结果表明，我们的方法在视觉和质量方面均优于现有的 state-of-the-art 方法。
引用
@article{arxiv.2209.06823,
title = {DEANet: Decomposition Enhancement and Adjustment Network for Low-Light Image Enhancement},
author = {Yonglong Jiang and Liangliang Li and Yuan Xue and Hongbing Ma},
journal= {arXiv preprint arXiv:2209.06823},
year = {2022}
}
备注
8 pages, 7 figures