一种自我正则映射的弱光图像增强方法

张华成，刘朝倩，胡建斌

(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，南宁 530001)

0 引 言

在弱光条件下拍摄的图像通常会出现对比度低、 能见度差和ISO噪点高等问题。这些问题不仅严重影响了图像的实用性, 也降低了众多计算机视觉算法的可靠性。为了解决这些问题, 从直方图均衡化[1]到基于学习的方法[2], 已经提出了大量的算法。在早期的弱光图像的增强方法中, 往往会出现颜色失真、 细节丢失等问题。Iqbal等[3]虽然保留了图像的对比度, 但还是会出现上述问题, 并且Wang等[4]和Fu等[5]提出的方法无法增强图像中的暗区, 视觉效果较差。

基于深度学习的大多数方法都严重依赖成对图像训练网络模型, 比如多曝光序列图像[6]、 超分辨率[7]、 去噪[8]和去模糊[9]。当它们在没有成对的训练集的情况下就失去了原本的优势。到目前为止, 有几种低亮度和正常亮度的成对图像数据集, 然而它们都不是最真实的, 也不容易被扩展。Wei等[10]在亮度正常减少相机曝光时间获取的数据集以及Chen等[11]在亮度差条件下增加曝光时间获得的图像对数据集都不是最真实的。LOL数据集是唯一一个从真实场景中获取的低亮度和正常亮度图像对的数据集, 但它仍然可能偏离自然的低亮度和正常亮度图像之间的真实映射, 也可能会因局部区域曝光过度或不足而出现伪影[10]。

在实际中获取成对的训练图像是非常困难的, 尤其是涉及不受控制的场景, 例如除雾、 弱光增强等场景。……