基于正则化光照优化与深度噪声抑制的低光照海上图像增强

在低光照成像条件下获取的海上图像易受低可见度与意外噪声的影响，对海上交通监管与管理产生负面作用。为提升成像性能，有必要从退化的低光照图像中恢复重要的视觉信息。本文提出通过正则化光照优化与深度噪声抑制来增强低光照图像。具体而言，提出一种结合 L0 范数梯度稀疏先验与结构感知正则化的混合正则化变分模型，以细化最初由 Max-RGB 估计的粗略光照图。随后引入自适应伽马校正方法调整细化后的光照图。基于 Retinex 理论假设，引入基于引导滤波的细节增强方法以优化反射图。最终将调整后的光照图与优化后的反射图结合生成增强的海上图像。为抑制无用噪声对成像性能的影响，进一步引入基于深度学习的盲去噪框架以提升增强图像的视觉质量。具体而言，该框架由两个子网络构成，即用于噪声水平估计的 E-Net 与用于非盲降噪的 D-Net。我们图像增强方法的主要优势在于充分利用了正则化光照优化与深度盲去噪。已在合成与真实海上图像上开展综合实验，将所提方法与若干最先进（SOTA）成像方法比较。实验结果在定量与定性评价方面均表明其优越性能。