你只需要一种颜色空间：一种用于低光照图像增强的高效网络
计算机视觉与模式识别
2024-06-19 v3 人工智能
摘要
低光照图像增强（LLIE）任务旨在从受损的低光照图像中恢复细节和视觉信息。大多数现有方法通过深度神经网络（DNNs）在 sRGB 和 HSV 颜色空间上学习低光/正常光图像之间的映射函数。然而，增强涉及放大图像信号，将这些颜色空间应用于信噪比低的低光照图像可能会在增强过程中引入敏感性和不稳定性。因此，这导致增强图像中出现颜色伪影和亮度伪影。为了缓解这一问题，我们提出了一种名为水平/垂直强度（HVI）的新型可训练颜色空间。它不仅将亮度和颜色从 RGB 通道中解耦以减轻增强过程中的不稳定性，而且由于可训练参数的存在，能够适应不同光照范围的低光照图像。此外，我们设计了一种新型的颜色与强度解耦网络（CIDNet），包含两个分支，专门用于处理 HVI 空间中解耦的图像亮度和颜色。在 CIDNet 中，我们引入了轻量级交叉注意力（LCA）模块，以促进两个分支中图像结构和内容信息之间的交互，同时抑制低光照图像中的噪声。最后，我们进行了 22 次定量和定性实验，表明所提出的 CIDNet 在 11 个数据集上优于最先进的方法。代码可在 https://github.com/Fediory/HVI-CIDNet 获取。
引用
@article{arxiv.2402.05809,
title = {You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement},
author = {Qingsen Yan and Yixu Feng and Cheng Zhang and Pei Wang and Peng Wu and Wei Dong and Jinqiu Sun and Yanning Zhang},
journal= {arXiv preprint arXiv:2402.05809},
year = {2024}
}
备注
Qingsen Yan, Yixu Feng, Cheng Zhang contributed equally to this work. Corresponding author: Yanning Zhang