基于空间导数引导的信噪比区域分化增强融合策略在低光照图像增强中的应用研究

本文提出一种创新的空间导数引导信噪比（SNR）区域分化增强融合策略，通过结合局部先验与全局特征处理机制，有效解决低光照图像增强中的动态范围压缩与噪声抑制难题。该方法采用频域变换（FFT）处理低信噪比区域，卷积编码器处理高信噪比区域，并引入空间导数指导亮度增强与噪声抑制，在多项数据集上实现视觉质量与计算效率（单帧推理0.079秒）的双重突破。

　　

Highlight

本研究突破性地将空间导数特征与信噪比区域分化策略相结合，为低光照图像增强领域提供了全新的解决方案。通过差异化处理高/低信噪比区域，在保持局部纹理细节的同时显著提升图像动态范围。

传统方法

早期计算机视觉主要依赖直方图均衡化与伽马校正技术，基于Retinex理论的方法通过模拟人眼视觉系统（HVS）将图像分解为反射率与光照成分。然而这类方法容易产生颜色失真与噪声放大问题。

SNR区域分化增强融合策略

针对低信噪比区域信息缺失的挑战，本研究创新性地采用快速傅里叶变换（FFT）将空间域数据转换至频域进行处理。卷积残差块结构捕获局部特征生成短程分支，频域FFT模块生成远程分支，再通过原始图像SNR信息指导两者融合。一阶空间导数指导区域亮度增强增量，二阶空间导数凭借其对噪声的对称分布特性实现有效噪声抑制。

数据集与实现细节

模型在LOL和SICE数据集上进行训练，其中LOL包含500组真实世界配对图像，SICE则包含589组多曝光自然场景图像。实验采用LOL合成子集作为验证基准。

结论

本论文提出的空间导数引导SNR区域分化增强融合策略，通过频域变换捕获图像长程依赖关系，结合空间导数特性实现噪声抑制与动态范围扩展，为低光照图像增强提供了新的技术路径。