深度联合展开用于去模糊与低光图像增强（JUDE）

夜间拍摄照片时，低光和模糊问题普遍存在，通常是由于使用长曝光来应对昏暗环境所致。在没有引入适当物理模型的情况下训练端到端模型来解决这些联合问题可能具有挑战性且容易出错。本文提出了JUDE——一种受图像物理模型启发的深度联合展开去模糊与低光图像增强方法。基于Retinex理论和模糊模型，低光模糊输入通过展开机制迭代地去模糊并分解，产生清晰的低光反射率和照度。此外，我们引入了多种模块来估计初始模糊核、增强亮度并消除最终图像中的噪声。在LOL-Blur和Real-LOL-Blur上的全面实验表明，我们的方法在定量和定性方面均优于现有方法。