FourLLIE：利用傅里叶频率信息提升低光图像增强
计算机视觉与模式识别
2023-08-08 v1 图像与视频处理
摘要
近来，傅里叶频率信息在低光图像增强（LLIE）中备受关注。一些研究者注意到，在傅里叶空间中，亮度退化主要存在于振幅分量，其余存在于相位分量。通过结合傅里叶频率与空间信息，这些研究者提出了卓越的LLIE方案。本文进一步探究振幅大小与亮度大小间的正相关性，其可有效用于在傅里叶空间提升低光图像亮度。此外，我们发现傅里叶变换可提取图像全局信息，且不像多层感知机（MLPs）或Transformer那样引入海量神经网络参数。为此，提出一种两阶段基于傅里叶的LLIE网络（FourLLIE）。第一阶段，我们通过估计傅里叶空间中的振幅变换图来改善低光图像亮度。第二阶段，引入信噪比（SNR）图以提供融合全局傅里叶频率与局部空间信息的先验，从而恢复空间域中的图像细节。凭借这一巧妙设计，FourLLIE在四个代表性数据集上优于现有state-of-the-art（SOTA）LLIE方法，同时保持良好模型效率。
引用
@article{arxiv.2308.03033,
title = {FourLLIE: Boosting Low-Light Image Enhancement by Fourier Frequency Information},
author = {Chenxi Wang and Hongjun Wu and Zhi Jin},
journal= {arXiv preprint arXiv:2308.03033},
year = {2023}
}