HVI: 一种用于低光图像增强的新型颜色空间
计算机视觉与模式识别
2025-03-03 v2 人工智能
机器学习
摘要
低光图像增强（LLIE）是计算机视觉中的一个关键任务，旨在从受损的低光图像中恢复详细的视觉信息。许多现有的 LLIE 方法基于标准 RGB（sRGB）空间，由于sRGB中固有的高色度敏感性，往往产生颜色偏差和亮度伪影。虽然使用 Hue、Saturation 和 Value（HSV）颜色空间有助于解决亮度问题，但会引入显著的红色和黑色噪声伪影。为解决此问题，本文提出一种用于 LLIE 的新颜色空间，称为 Horizontal/Vertical-Intensity（HVI），由 polarized HS 图和可学习的强度定义。前者通过缩小红色坐标的距离来消除红色伪影，而后者通过压缩低光区域来消除黑色伪影。为充分利用色度和强度信息，进一步引入一种新型的 Color and Intensity Decoupling Network（CIDNet），以学习在 HVI 空间下不同照明条件下的准确光度映射函数。综合的基准和消融实验结果表明，所提出的 HVI 颜色空间配合 CIDNet 在 10 个数据集上超越了当前的 SOTA 方法。代码已公开于 https://github.com/Fediory/HVI-CIDNet。
引用
@article{arxiv.2502.20272,
title = {HVI: A New Color Space for Low-light Image Enhancement},
author = {Qingsen Yan and Yixu Feng and Cheng Zhang and Guansong Pang and Kangbiao Shi and Peng Wu and Wei Dong and Jinqiu Sun and Yanning Zhang},
journal= {arXiv preprint arXiv:2502.20272},
year = {2025}
}
备注
Qingsen Yan, Yixu Feng, and Cheng Zhang contributed equally to this work