自监督图像增强网络：仅使用低光图像训练

本文提出一种基于深度学习的自监督低光图像增强方法。受信息熵理论与 Retinex 模型启发，我们提出了一种基于最大熵的 Retinex 模型。借助该模型，一个非常简单的网络即可分离光照与反射率，且网络可仅使用低光图像进行训练。我们在模型中引入约束：反射率的最大通道符合低光图像的最大通道，且其熵应最大，以实现自监督学习。我们的模型非常简单，不依赖任何精心设计的数据库（甚至一张低光图像即可完成训练）。网络仅需分钟级训练即可实现图像增强。实验证明，所提方法在处理速度与效果上均达到最先进水平。