From Generation to Suppression: Towards Effective Irregular Glow

低光图像增强 内容简介： 1）方向：低光图像增强（LLIE） 2）应用：夜间图像增强和光晕抑制任务。 3）背景：目前现有的低光照图像增强方法主要专注于改善暗区域的亮度，然而夜间图像中另一个主要的可见度损害问题——光晕效应，这种问题在人造光源存在时是不可避免的，而且在直接增强时会导致进一步的扩散模糊。 4）方法：为了解决这一问题，本次研究创新性地将光晕抑制任务视为通过多重散射估计学习物理光晕生成，根据大气点扩散函数（Atmospheric Point Spread Function，APSF）。为了应对光晕强度不均匀和来源形状多样的挑战，研究人员特别提出了基于APSF的近场光源夜间成像模型（NIM-NLS），用于设计一个可扩展的光感知盲解卷积网络（LBDN）。然后，通过基于Retinex的增强模块（REM）对抑制了光晕的结果进行亮度增强。值得注意的是，所提出的光晕抑制方法是基于零样本学习的，不依赖于任何配对或未配对的训练数据。 5）结果：实证评估表明，所提出方法在光晕抑制和低光照增强任务中表现出了良好的效果。