面向低光强图像增强的基于方差驱动的通道重校准框架
计算机视觉与模式识别
2026-03-12 v1
摘要
大多数基于 sRGB 的低光图像增强方法 suffer from 色度和亮度的纠缠，而 HSV 色彩空间在降低红色和黑色噪声伪影方面存在不足。最近提出的 HVI 色彩空间通过色度极化和强度压缩来提高色彩保真度。然而，现有方法可能在亮度和色度的通道层面存在不一致，错误的颜色分布可能导致不自然的增强结果。为此，我们提出了 Variance-Driven Channel Recalibration for Robust Low-Light Enhancement（VCR），用于低光图像增强的新型框架。VCR 包括两个主要组件：Channel Adaptive Adjustment（CAA）模块采用方差引导的特征过滤以增强模型对高强度和颜色分布区域的关注；Color Distribution Alignment（CDA）模块在颜色特征空间中强制分布对齐。这些设计在低光条件下提高了感知质量。实验结果表明，在多个基准数据集上，所提方法实现了与现有方法相比的业界表现。
引用
@article{arxiv.2603.10975,
title = {VCR: Variance-Driven Channel Recalibration for Robust Low-Light Enhancement},
author = {Zhixin Cheng and Fangwen Zhang and Xiaotian Yin and Baoqun Yin and Haodian Wang},
journal= {arXiv preprint arXiv:2603.10975},
year = {2026}
}