基于盲点网络的低照度图像自监督增强

针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题,本文提出了一种基于盲点网络的自监督微光增强网络。首先,采用双边多尺度融合直方图均衡化的方法对图像亮度进行调整,以此来克服传统直方图增强方法中的信息颜色损失;其次,所设计的去噪网络可以自适应地从原始图像中进行学习,同时采用像素混洗下采样解耦相邻像素空间中的相关性;最后,为保持图像空间和颜色的一致性设计了相关的损失函数。实验证明,本文算法克服了现有算法存在残留噪声、网络训练中产生恒等映射的问题,有效地提高了低照度图像质量。