一种特征自我保留的弱光图像增强方法

张华成 ，刘朝倩 ，韦 屹 ，李 喆 ，潘 剑

（1.桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004；2.广西中烟工业有限责任公司，广西 南宁 530001）

0 引 言

人们使用拍照设备拍照的时候，由于场景亮度和设备等原因，得到的图像会有过暗或过亮的区域。这些区域的图像细节信息模糊，降低了图像的实用性。因此，有必要对这样的图像进行操作，使细节变得明显，提高图像质量。

早期弱光图像增强的很多做法都是在图像的统计学特征上进行操作，但只是增强整体图像的亮度，无法对图像局部区域的亮度进行调整。文献［1］提出一种弱光图像增强方法，但容易增强过度。文献［2］增强的图像比较暗，出现颜色失真现象。之后的图像增强方法多数基于深度学习，文献［3］利用高质量参考图像集来训练卷积神经网络，得到一个单图像对比度增强器。文献［4］的图像增强结果比较暗，视觉效果较差。文献［5］提出一种循环的GAN（CycleGAN），虽然能增强图像，但是效果比较模糊。为了使夜间车载图像更清晰，文献［6］基于平移检索定位问题，提出一个图像转换模型。文献［7］提出一种无监督的GAN（EnlightenGAN），即使没有弱/正常亮度图像对也能训练模型。这些弱光图像增强的方法，有的整体或局部过度增强；有的增强暗区失败，且颜色失真，视觉效果差。为克服以上缺陷，提出一种基于生成式对抗网络（Generative Adversarial Networks，GAN）和特征自我保留的图像增强方法SFPGAN。该方法引入特征自我保留损失（Self-Feature Preserving Loss，SFPL），从颜色、亮度及特征3个方向对图像进行判别，能够保留原始图像的特征，拥有更多的细节，在增强暗区的同时也能抑制亮区的过度曝光。……