结合双分支结构和无配对GAN的低光图像增强

来源：计算机工程与应用杂志2023年第19期北京时间：

作者：李治杰, 陈明, 冯国富

单位：上海海洋大学 信息学院，上海 201306

摘要：为了解决大部分基于CNN的低光图像增强方法边缘模糊、噪声抑制不足以及对配对数据的依赖等问题，使用生成对抗网络，在生成器上引入双分支结构，可在低光图像和正常光图像无配对的情况下，进行端到端训练。第一个分支使用类U-Net结构的网络学习低光图像到正常光图像的上下文特征映射，第二个分支以低光图像的全分辨率来保留原图的细节，最后通过一个融合层融合两个分支的结果，获得最终增亮后的图像，同时加入了total variation loss来抑制图像噪声。在六个公开数据集（MEF、LIME、NPE、VV、ExDark、LOL）上进行了定性比较和定量实验。实验结果表明该方法在BRISQUE，NIQE和PIQE三种基准测试中优于其他对比算法，平均值分别为17.55、3.74和8.45。该算法增强后的图像边缘细节清晰，减弱了图像噪声。

关键词：低光,图像增强,生成对抗网络,无监督学习,双分支结构