Retinex-MEF：基于 Retinex 的眩光效应感知无监督多重曝光图像融合
计算机视觉与模式识别
2025-08-04 v2
摘要
多重曝光图像融合 (MEF) 将同一场景的多张不同曝光图像合成为一张曝光良好的合成图像。Retinex 理论将图像光照与场景反射率分离，提供了一个自然框架，以确保在不同曝光水平下实现一致的场景表示和有效的信息融合。然而，传统的光照和反射率的像素级乘法无法充分模拟过度曝光引起的眩光效应。为了解决这一局限性，我们引入了一种无监督且可控的方法，称为 Retinex-MEF。具体而言，我们的方法将多重曝光图像分解为具有共享反射率分量的独立光照分量，并有效地模拟了过度曝光引起的眩光。共享反射率通过双向损失进行学习，这使得我们的方法能够有效减轻眩光效应。此外，我们引入了可控的曝光融合准则，能够在保持对比度的同时进行全局曝光调整，从而克服了固定曝光水平的限制。在多样化数据集上的大量实验，包括欠曝光-过曝光融合、曝光控制融合和同质极端曝光融合，证明了我们模型的有效分解和灵活融合能力。代码可在 https://github.com/HaowenBai/Retinex-MEF 获取
引用
@article{arxiv.2503.07235,
title = {Retinex-MEF: Retinex-based Glare Effects Aware Unsupervised Multi-Exposure Image Fusion},
author = {Haowen Bai and Jiangshe Zhang and Zixiang Zhao and Lilun Deng and Yukun Cui and Shuang Xu},
journal= {arXiv preprint arXiv:2503.07235},
year = {2025}
}
备注
Accepted to ICCV 2025