RHVI-FDD: 用于低光图像增强的分层解耦框架
计算机视觉与模式识别
2026-04-08 v1
摘要
低光图像通常受到严重噪声、细节丢失和色彩失真的影响，阻碍了下游多媒体分析和检索任务。低光图像中的退化是复杂的：亮度和色度是耦合的，而色度内部，噪声和细节深度纠缠，使得现有方法无法同时校正色彩失真、抑制噪声和保留精细细节。为了应对上述挑战，我们提出了一种新颖的分层解耦框架（RHVI-FDD）。在宏观层面，我们引入了RHVI变换，它减轻了由输入噪声引起的估计偏差，并实现了稳健的亮度-色度解耦。在微观层面，我们设计了一个频域解耦（FDD）模块，包含三个分支用于进一步的特征分离。利用离散余弦变换，我们将色度特征分解为低、中和高频带，分别代表全局色调、局部细节和噪声分量，然后由专门的专家网络以分治方式处理，并通过自适应门控模块进行内容感知融合。在多个低光数据集上的广泛实验表明，我们的方法在客观指标和主观视觉质量方面始终优于现有的最先进方法。
引用
@article{arxiv.2604.05781,
title = {RHVI-FDD: A Hierarchical Decoupling Framework for Low-Light Image Enhancement},
author = {Junhao Yang and Bo Yang and Hongwei Ge and Yanchun Liang and Heow Pueh Lee and Chunguo Wu},
journal= {arXiv preprint arXiv:2604.05781},
year = {2026}
}
备注
8 pages, 8 figures