KinD-LCE：低光照图像的光照曲线估计与 Retinex 融合
计算机视觉与模式识别
2023-10-24 v3
摘要
低光照图像常受噪声和色彩失真困扰。由于图像噪声和色差，目标检测、语义分割、实例分割等任务在处理低光照图像时具有挑战性。我们还发现，传统 Retinex 理论在针对低光照任务调整图像时会丢失信息。针对上述问题，本文提出一种低照度增强算法。所提方法 KinD-LCE 使用光照曲线估计模块增强 Retinex 分解图像中的光照图，提升整体图像亮度。还提出了光照图与反射图融合模块以恢复图像细节并减少细节损失。此外，应用了 TV（全变分）损失函数以消除噪声。我们的方法在以多样低光照图像著称的 GladNet 数据集上训练，针对 Low-Light 数据集测试，并使用 ExDark 数据集评估下游任务，展现出竞争性能，PSNR 为 19.7216，SSIM 为 0.8213。
引用
@article{arxiv.2207.09210,
title = {KinD-LCE Curve Estimation And Retinex Fusion On Low-Light Image},
author = {Xiaochun Lei and Weiliang Mai and Junlin Xie and He Liu and Zetao Jiang and Zhaoting Gong and Chang Lu and Linjun Lu},
journal= {arXiv preprint arXiv:2207.09210},
year = {2023}
}
备注
Accepted by Signal, Image and Video Processing