
-
生物通官微
陪你抓住生命科技
跳动的脉搏
穿透嘈杂的黑暗:迈向现实世界的低光图像增强与去噪技术
《Science China-Information Sciences》:Seeing through the noisy dark: toward real-world low-light image enhancement and denoising
【字体: 大 中 小 】 时间:2026年08月06日 来源:Science China-Information Sciences 8.1
编辑推荐:
摘要弱光环境通常会降低图像的可见度,使得图像识别变得困难。弱光图像增强技术旨在改善存在光照噪声的暗图像的照明状况和可见度。该技术在各种视觉应用中都有广泛应用,包括在弱光条件下的物体检测、图像识别以及图像分割。在实际应用中,由于存在复杂的噪声,弱光图像常常需要同时进行图像增强和去噪
弱光环境通常会降低图像的可见度,使得图像识别变得困难。弱光图像增强技术旨在改善存在光照噪声的暗图像的照明状况和可见度。该技术在各种视觉应用中都有广泛应用,包括在弱光条件下的物体检测、图像识别以及图像分割。在实际应用中,由于存在复杂的噪声,弱光图像常常需要同时进行图像增强和去噪处理。然而,目前的处理方法只能获得较差的恢复效果,这主要源于两个问题:(1)在现实中的暗图像中,噪声会被弱光部分掩盖,而在去噪后残留的噪声在增强过程中不可避免地会被放大;(2)将原始数据转换为sRGB格式会导致信息丢失,并引入额外的噪声。因此,那些基于原始数据训练的现有图像增强方法并不适用于更为常见的sRGB格式图像。为此,我们提出了一种针对sRGB颜色空间下现实世界弱光图像的新型图像增强与去噪网络RLED-Net。在RLED-Net中,我们采用了可微分的潜空间重建模块LSRB,将现实世界图像嵌入到低秩潜空间中,从而抑制噪声并减少其在增强过程中的影响。接着,我们设计了一种高效的跨通道移窗变换器CST层,该层具有两个分支,可用于计算窗口和通道注意力,以有效应对弱光图像中噪声带来的各种缺陷,如斑点噪声和模糊现象。在CST层的基础上,我们还构建了U型结构的网络CSTNet作为深度特征恢复的核心,并设计了特征细化模块来进一步优化最终的特征。通过对真实含噪声图像以及公共图像数据库的大量实验,证明了所提出的RLED-Net在同时实现弱光图像增强和去噪方面的有效性。
弱光环境通常会降低图像的可见度,使得图像识别变得困难。弱光图像增强技术旨在改善存在光照噪声的暗图像的照明状况和可见度。该技术在各种视觉应用中都有广泛应用,包括在弱光条件下的物体检测、图像识别以及图像分割。在实际应用中,由于存在复杂的噪声,弱光图像常常需要同时进行图像增强和去噪处理。然而,目前的处理方法只能获得较差的恢复效果,这主要源于两个问题:(1)在现实中的暗图像中,噪声会被弱光部分掩盖,而在去噪后残留的噪声在增强过程中不可避免地会被放大;(2)将原始数据转换为sRGB格式会导致信息丢失,并引入额外的噪声。因此,那些基于原始数据训练的现有图像增强方法并不适用于更为常见的sRGB格式图像。为此,我们提出了一种针对sRGB颜色空间下现实世界弱光图像的新型图像增强与去噪网络RLED-Net。在RLED-Net中,我们采用了可微分的潜空间重建模块LSRB,将现实世界图像嵌入到低秩潜空间中,从而抑制噪声并减少其在增强过程中的影响。接着,我们设计了一种高效的跨通道移窗变换器CST层,该层具有两个分支,可用于计算窗口和通道注意力,以有效应对弱光图像中噪声带来的各种缺陷,如斑点噪声和模糊现象。在CST层的基础上,我们还构建了U型结构的网络CSTNet作为深度特征恢复的核心,并设计了特征细化模块来进一步优化最终的特征。通过对真实含噪声图像以及公共图像数据库的大量实验,证明了所提出的RLED-Net在同时实现弱光图像增强和去噪方面的有效性。
生物通微信公众号
热搜:弱光图像增强|去噪|sRGB 图像|潜空间重建|跨通道感应|噪声抑制|特征恢复|||||||语言优化后(兼顾字数广度与力度): 弱光图像增强|sRGB 图像|潜空间重建|跨通道感应|噪声抑制|特征恢复和提取|斑点噪声与模糊处理|深度特征恢复网络 语言精简聚焦版(确保逻辑紧凑且覆盖核心贡献点): 弱光图像增强与去噪|sRGB 图像适配|潜空间重建模块|CST 跨通道变换|噪声抑制技术|U 型深度特征恢复网络 最全面平实版(全面展示技术细节与应用背景|适合学术摘要概括): 弱光环境图像处理|噪声抑制|图像增强|sRGB 环境优化|跨通道注意力|去噪与特征恢复|拒双模态暗图与增强融合|图像分割与识别辅助模块 综合评估(在满足动态根据内容长短生成的同时|确保生成的 1-6 个关键词既能体现区别性又能构成完整的上下联)|最终输出: 弱光图像增强|sRGB 图像|潜空间重建|CST 跨通道感应|噪声抑制|深度特征恢复