RetinexDual：基于 Retinex 理论的双重性方法用于通用超高清图像恢复
计算机视觉与模式识别
2025-11-20 v3
摘要
图像感知技术的进步提升了超高清图像恢复（UHD IR）的重要性。传统方法，如极端下采样或从空间域转换为频域，面临显著缺陷：下采样会导致 UHD 图像中不可逆的信息损失，而我们的频率分析表明，纯频域方法对空间局部化的图像损坏无效，主要由于损失了损坏的局部性。为克服这些限制，我们提出 RetinexDual，一个面向通用 UHD IR 任务的新型基于 Retinex 理论的框架。RetinexDual 利用两个互补的子网络：Scale-Attentive maMBA（SAMBA）和 Frequency Illumination Adaptor（FIA）。SAMBA 负责纠正反射分量，利用粗到细机制克服 mamba 的因果建模，从而有效减少人工并恢复细节。另一方面，FIA 通过在频域上运行并利用其全局上下文，确保对颜色和光照失真的精确校正。评估 RetinexDual 在四项 UHD IR 任务上的表现，包括去雨、去模糊、去雾和低光图像增强（LLIE），显示其在定性和定量上均优于最近的方法。消融研究表明，RetinexDual 中为每个分支采用不同设计的重要性，以及其各个组件的有效性。
引用
@article{arxiv.2508.04797,
title = {RetinexDual: Retinex-based Dual Nature Approach for Generalized Ultra-High-Definition Image Restoration},
author = {Mohab Kishawy and Ali Abdellatif Hussein and Jun Chen},
journal= {arXiv preprint arXiv:2508.04797},
year = {2025}
}