用于低光照图像增强的自参考深度自适应曲线估计
图像与视频处理
2023-09-12 v4 计算机视觉与模式识别
摘要
本文提出一种称为自参考深度自适应曲线估计（Self-DACE）的两阶段低光照图像增强方法。在第一阶段，我们提出一种直观、轻量、快速且无监督的亮度增强算法。该算法基于一种新颖的低光增强曲线，可用于局部提升图像亮度。我们还提出了一种带有简化物理模型的新型损失函数，旨在保留自然图像的颜色、结构与保真度。我们使用一个朴素CNN将每个像素通过深度自适应调整曲线（AAC）进行映射，同时保留局部图像结构。其次，我们引入相应的去噪方案以去除暗部中的潜在噪声。我们对暗部噪声进行近似建模，并部署一个去噪网络（Denoising-Net）在第一阶段后估计并去除噪声。详尽的定性与定量分析表明，我们的方法在多个真实世界数据集上优于现有的SOTA算法。
引用
@article{arxiv.2308.08197,
title = {Self-Reference Deep Adaptive Curve Estimation for Low-Light Image Enhancement},
author = {Jianyu Wen and Chenhao Wu and Tong Zhang and Yixuan Yu and Piotr Swierczynski},
journal= {arXiv preprint arXiv:2308.08197},
year = {2023}
}