吴建斌,牛玉贞,张宇杰
(福州大学 数学与计算机科学学院,福州 350000)
E-mail:yuzhenniu@gmail.com
随着拍摄设备越来越普及且便携,人们可以拍摄到视觉效果好的图像.但是在光线不足的场景下,如夜景或昏暗的室内,要得到视觉效果良好的摄影图像仍然是十分困难的.如图1所示,由于场景光线不足或背光拍摄,捕获到的图像会呈现曝光不足,这类图像被称作低光照图像.低光照图像中的某些的区域几乎看不到图像细节,如图1中的第1列图像所示.此外,低光照图像中的对比度普遍低.低光照图像不仅呈现较低视觉效果,而且会影响许多基本的计算机视觉和图像处理方法的性能,如图像分类、图像显著性检测、对象检测和识别等.
为了解决低光照图像的上述问题,研究者们提出了对低光照图像增强方法进行研究,提出了很多方法,包括传统的方法和基于机器学习的方法.目前,基于深度学习的图像增强方法通常能获得比其它方法更好的结果.但是基于深度学习的图像增强方法,如图像去雨[1]、图像去雾[2],普遍需要使用成对的图像对进行训练.
然而,在低光照图像增强问题上,获得可用于深度学习模型训练的成对数据集是很困难的[3].首先,捕获同一个时刻场景下的低光照图像和正常光照图像是非常困难甚至是不可行的.其次,使用正常光照图像来合成的低光照图像和真实场景下的低光照图像往往存在差异,这将导致使用合成数据集训练出……