STAR：一种结构与纹理感知的 Retinex 模型

Retinex 理论主要通过分析图像局部导数将图像分解为照度分量与反射分量。该理论认为，较大的导数归因于反射的变化，而较小的导数出现在平滑的照度中。本文中，我们利用观测图像的指数化局部导数（指数为 {\gamma}）来生成其结构图与纹理图。结构图通过以 {\gamma} > 1 放大得到，而纹理图通过以 {\gamma} < 1 缩小生成。为此，我们为局部导数设计了指数滤波器，并展示了其在提取准确结构与纹理图方面的能力，该能力受指数 {\gamma} 选取的影响。所提取的结构图与纹理图被用于正则化 Retinex 分解中的照度与反射分量。我们进一步提出了一种新颖的结构与纹理感知 Retinex（STAR）模型，用于单幅图像的照度与反射分解。我们通过交替优化算法求解 STAR 模型。每个子问题被转化为向量化最小二乘回归，具有闭式解。在常用测试数据集上的综合实验表明，所提出的 STAR 模型在照度与反射分解、低光图像增强和颜色校正方面，取得了优于以往竞争方法的定量与定性性能。代码已公开于 https://github.com/csjunxu/STAR。