穿透噪声暗夜：面向真实世界低光照图像增强与去噪
计算机视觉与模式识别
2022-11-16 v3
摘要
低光照图像增强（LLIE）旨在改善暗光图像在光照噪声下的照度与可见性。为处理真实世界中常伴随严重且复杂噪声的低光照图像，已有一些联合 LLIE 与去噪的尝试，但其恢复性能较差。我们将此归因于两点挑战：1）在真实世界低光照图像中，噪声在一定程度上被低光照所掩盖，去噪后残留的噪声在增强过程中会被不可避免地放大；2）原始数据到 sRGB 的转换会造成信息损失及更多噪声，因此先前在原始数据上训练的 LLIE 方法不适用于更常见的 sRGB 图像。本工作中，我们提出一种新颖的面向真实世界低光照图像的 sRGB 色彩空间低光照增强与去噪网络（RLED-Net）。在 RLED-Net 中，我们采用即插即用的可微潜子空间重建块（LSRB）将真实世界图像嵌入低秩子空间以抑制噪声并纠正误差，从而有效缩减增强过程中噪声的影响。接着我们提出高效的跨通道与移位窗口 Transformer（CST）层，其含两个分支以计算窗口与通道注意力，从而抵抗输入图像中噪声引起的退化（如散斑噪声与模糊）。基于 CST 层，我们进一步提出 U 型网络 CSTNet 作为深度特征恢复的主干，并构建特征细化块以精炼最终特征。在真实噪声图像与公开图像数据库上的大量实验充分验证了所提 RLED-Net 同时用于真实低光照图像增强与去噪的有效性。
引用
@article{arxiv.2210.00545,
title = {Seeing Through the Noisy Dark: Towards Real-world Low-Light Image Enhancement and Denoising},
author = {Jiahuan Ren and Zhao Zhang and Richang Hong and Mingliang Xu and Yi Yang and Shuicheng Yan},
journal= {arXiv preprint arXiv:2210.00545},
year = {2022}
}