基于Retinex改进的低照度图像增强网络.pdfVIP

第４２卷第１期计算机应用与软件Ｖｏｌ４２Ｎｏ．１

２０２５年１月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＪａｎ．２０２５

基于Ｒｅｔｉｎｅｘ改进的低照度图像增强网络



陈红阳曾上游赵俊博

（广西师范大学电子工程学院广西桂林５４１００４）

摘要针对低照度场景下拍摄的图像存在对比度低、亮度过暗等问题，设计一个基于Ｒｅｔｉｎｅｘ改进的低照度

图像增强网络。将低照度图像以数据驱动的方式分解为反射图和光照图，通过ＵＮｅｔ＋＋对反射图进行噪声抑制

和细节恢复，光照图则根据用户设定的增强比率自适应调节亮度。经过在多个数据集上实验验证表明，该算法在

视觉、客观指标、运行效率上有一定优势，能有效地增强不同光照强度下的低照度图像，对人工智能背景下的夜间

图像采集工作有一定的应用价值。

关键词低照度图像增强ＲｅｔｉｎｅｘＵＮｅｔ＋＋人工智能

中图分类号ＴＰ３９３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０１．０２３

ＩＭＰＲＯＶＥＤＬＯＷＬＩＧＨＴＩＭＡＧＥＥＮＨＡＮＣＥＭＥＮＴＮＥＴＷＯＲＫ

ＢＡＳＥＤＯＮＲＥＴＩＮＥＸ



ＣｈｅｎＨｏｎｇｙａｎｇＺｅｎｇＳｈａｎｇｙｏｕＺｈａｏＪｕｎｂｏ

（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＧｕａｎｇｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｇｕｉｌｉｎ５４１００４，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｌｏｗｃｏｎｔｒａｓｔａｎｄｔｏｏｄａｒｋｂｒｉｇｈｔｎｅｓｓｏｆｉｍａｇｅｓａｃｑｕｉｒｅｄｉｎｌｏｗｌｉｇｈｔ

ｓｃｅｎｅｓ，ａｎｉｍｐｒｏｖｅｄｌｏｗｌｉｇｈｔｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔｎｅｔｗｏｒｋｂａｓｅｄｏｎＲｅｔｉｎｅｘｉｓｄｅｓｉｇｎｅｄ．Ｌｏｗｌｉｇｈｔｉｍａｇｅｓｗｅｒｅ

ｄｅｃｏｍｐｏｓｅｄｉｎｔｏｒｅｆｌｅｃｔｉｏｎｍａｐｓａｎｄｉｌｌｕｍｉｎａｔｉｏｎｍａｐｓｉｎａｄａｔａｄｒｉｖｅｎｗａｙ，ｎｏｉｓｅｓｕｐｐｒｅｓｓｉｏｎａｎｄｄｅｔａｉｌｒｅｓｔｏｒａｔｉｏｎ

ｗｅｒｅｐｅｒｆｏｒｍｅｄｏｎｔｈｅｒｅｆｌｅｃｔｉｏｎｍａｐｓｔｈｒｏｕｇｈＵＮｅｔ＋＋，ａｎｄａｄａｐｔｉｖｅｂｒｉｇｈｔｎｅｓｓａｄｊｕｓｔｍｅｎｔｗａｓａｃｈｉｅｖｅｄｏｎｔｈｅ

ｉｌｌｕｍｉｎａｔｉｏｎｍａｐｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｎｈａｎｃｅｍｅｎｔｒａｔｉｏｓｅｔｂｙｔｈｅｕｓｅｒ．Ｖａｌｉｄａｔｉｏｎｏｎｍｕｌｔｉｐｌｅｄａｔａｓｅｔｓｓｈｏｗｓｔｈａｔｏｕｒ

ａｌｇｏｒｉｔｈｍｈａｓｃｅｒｔａｉｎａｄｖａｎｔａｇｅｓｉｎｖｉｓｉｏｎ，ｏｂｊｅｃｔｉｖｅｉｎｄｉｃａｔｏｒｓ，ｏｐｅｒａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｎｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｅｎｈａｎｃｅｔｈｅｌｏｗ

ｌｉｇｈｔｉｍａｇｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｌｉｇｈｔｉｎｔｅｎｓｉｔｉｅｓ．Ｉｔｈａｓｃｅｒｔａｉｎａｐｐｌｉｃａｔｉｏｎｖａｌｕｅｆｏｒｔｈｅｎｉｇｈｔｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｕｎｄｅｒｔｈｅ

ｂａｃｋｇｒｏｕｎｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ．

ＫｅｙｗｏｒｄｓＬｏｗｌｉｇｈｔｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔＲｅｔｉｎｅｘＵＮｅｔ＋＋Ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ

解决不同光照强度下低照度图像增强问题成为当前计

０引言算机视觉领域的热点之一。近年来涌现了很多优秀的