论文题目:GLADNet: Low-Light Enhancement Network with Global Awareness
作者:Wenjing Wang, Chen Wei, Wenhan Yang, Jiaying Liu
发表会议:IEEE International Conference on Automatic Face & Gesture Recognition
1、目的
增强低照度图像,关键思想是计算输入的低照度图像的全局光照估计,然后在估计的结构指导下进行调整光照,并使用与原始输入连接来补充细节。
2、背景
作者简要介绍了用于低照图图像增强的HE,Retinex等物理方法和深度学习的方法
3、方法
提议的网络包括两个结构:一个是全局光估计网络,一个是细节重建网络
网络整体结构:
3.1 全局光估计部分
在全局光估计的过程中,输入图片首先被下采样到固定大小,然后通过编码器解码器结构进行特征图传递,最后估计全局大气光照强度,并恢复图像尺寸获得整个图像的照明预测。
作者指出编码器的下采样结构是根据resize图像的大小精心设计的因此可以对图像的光照强度有全局意识。并且在编码器解码器结构中使用了skip连接。
3.2 细节重建部分
作者提出由于图像的缩放过程会导致细节的丢失,因此采用细节重建部分网络进行恢复。
输入采用resize之后的原始图片和经过照度估计的特征映射,最终生成细节增强结果。
4、结果
可以看出整体效果还是不错的
论文代码