基于Retinex理論的全卷積網絡低光圖像增強方法

余雅琪，楊夢龍

（四川大學 空天科學與工程學院，四川 成都 610065）

0 引 言

在圖像拍攝過程中所存在的光照不足會嚴重影響圖像的對比度和亮度，并且會有一定的噪聲和偽像存在；解決低光圖像的這一系列降質現象并將低光圖像轉變為高質量的普通光圖像有助于一些高層視覺任務的執行，如：圖像識別、目標檢測、語義分割等；同時能夠在一些實際應用中提升智能系統的性能，如：自動駕駛、視覺導航等，因此解決低光圖像增強的問題十分有必要。

過去的幾十年里，眾多學者已經做了大量關于低光圖像增強的研究，這些研究主要可以分為兩種類型：傳統方法和基于深度學習的方法。其中傳統方法主要包括基于直方圖均衡化的方法和基于Retinex 理論的方法。基于直方圖均衡化的方法通過改變圖像的直方圖來改變圖像中各像素的灰度來增強圖像的對比度，例如亮度保持直方圖均衡化（BBHE）、對比度限制自適應直方圖均衡化（CLAHE）等；Retinex理論假定人類觀察到的彩色圖像可以分解為照度圖（I）和反射圖（R），其中反射圖是圖像的內在屬性，不可更改；Retinex 理論通過更改照度圖中像素的動態范圍以達到增強對比度的目的，如單尺度Retinex（SSR）利用高斯濾波器來平滑生成的照度圖；多尺度Retinex（MSRCR）在單尺度Retinex 的基礎上進行改進，利用了多尺度高斯濾波器并對色彩進行了恢復；SRIE提出一種加權變分模型以同時估計反射圖和照度圖；LIME通過一種加權振動模型來獲得所估計的具有先驗假設的照度圖，并利用BM3D作為后續的去噪操作。……