基于Retinex模型的低光图像增强网络的设计与实现.docxVIP

PAGE2

摘要

低光图像是由成像设备在不充分的光线条件下拍摄的，比如夜间和背光环境下。这些低光图像通常具有低对比度、高噪声和细节不清晰等问题，这不仅影响了人类的视觉体验，也限制了后续许多计算机视觉算法的有效应用。本课题旨在设计一种基于Retinex模型的低光图像增强网络，解决现有方法在Retinex分解彻底性、成对数据依赖等方面的局限性，提高低光图像增强的鲁棒性与实用性。

本设计采用一种结合生成式深度学习的RetinexDIP框架，将Retinex分解问题转化为无监督生成任务。通过随机初始化的深度网络，从单张低光图像中分离反射分量与光照分量，并设计多目标损失函数优化分解过程。利用伽