基于自适应伽马校正与细节优化的快速低光照图像增强方法研究

《Journal of Visual Communication and Image Representation》:Towards fast and effective low-light image enhancement via adaptive Gamma correction and detail refinement

【字体: 大 中 小 】 时间:2026年01月17日 来源:Journal of Visual Communication and Image Representation 3.1

编辑推荐:

  本文提出了一种超轻量级低光照图像增强(LLIE)框架,通过自适应伽马校正模块(AGCM)和非线性优化模块(NRM)的协同设计,在仅8K参数下实现了全局光照校正与局部细节恢复的高效平衡。该模型采用混合损失函数联合优化,在保持视觉保真度的同时实现亚毫秒级推理速度,为实时图像处理提供了创新解决方案。

  
章节精要
相关研究
本节系统梳理了基于伽马校正的LLIE算法。传统伽马校正公式为Ie= (Il/255)γ×255,其中γ<1时增强暗部细节,γ>1时抑制高光过曝。但固定γ值难以应对复杂光照场景的空间异质性。
核心思路
通过图1的对比实验直观展示创新点:传统伽马校正因固定参数导致过曝(图1b)或欠曝(图1d),而本文的自适应方法能生成空间变化的伽马图,实现像素级精准调控。
实验设计
在LOL、LSRW等7个基准数据集上验证方法。特别采用LOL-v2的真实与合成子集进行训练测试,通过量化指标与视觉对比证明模型在极低参数量下的优越性能。
结论
本工作通过序列化处理框架成功解决LLIE领域效率与质量的权衡难题。8K参数模型在增强质量、跨场景泛化性和感知保真度方面均超越现有重型模型,为资源受限环境下的实时视觉应用开辟了新途径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号