从生成到抑制：面向夜间能见度增强的有效不规则辉光去除
计算机视觉与模式识别
2023-08-01 v1
摘要
大多数现有的低光照图像增强（LLIE）方法主要旨在提高暗区亮度，这些方法在夜间图像中会出现严重退化。然而，这些方法对真实夜景中另一种主要的能见度损害——辉光效应——探索有限。在人造光源存在的情况下辉光效应不可避免，并且直接增强时会导致进一步的扩散模糊。为解决此问题，我们创新性地根据大气点扩散函数（APSF）将辉光抑制任务视为通过多次散射估计学习物理辉光生成。针对不均匀辉光强度和变化光源形状带来的挑战，我们专门推导了基于近场光源的夜间成像模型（NIM-NLS）以设计可扩展的光感知盲去卷积网络（LBDN）。随后通过基于 Retinex 的增强模块（REM）对辉光抑制结果进行增亮。值得注意的是，所提出的辉光抑制方法基于零样本学习，不依赖于任何成对或非成对训练数据。实证评估证明了该方法在辉光抑制和低光照增强任务中的有效性。
引用
@article{arxiv.2307.16783,
title = {From Generation to Suppression: Towards Effective Irregular Glow Removal for Nighttime Visibility Enhancement},
author = {Wanyu Wu and Wei Wang and Zheng Wang and Kui Jiang and Xin Xu},
journal= {arXiv preprint arXiv:2307.16783},
year = {2023}
}
备注
IJCAI2023