《Electronics》：Research on MBSE-Based Design Methods for Nuclear Power Equipment: A Hierarchical Problem-Solving Innovation Strategy
编辑推荐：
本研究提出一种由元启发式优化算法（MOA）与上下文感知双图像质量评估（IQA）引擎驱动的无训练、自包含自适应低光照图像增强（LLIE）框架。尽管基于深度学习的方法具备快速推理能力，其静态参数在分布外（OOD）场景（如未知传感器噪声或环境偏移）中常出现严重性能退
本研究提出一种由元启发式优化算法（MOA）与上下文感知双图像质量评估（IQA）引擎驱动的无训练、自包含自适应低光照图像增强（LLIE）框架。尽管基于深度学习的方法具备快速推理能力，其静态参数在分布外（OOD）场景（如未知传感器噪声或环境偏移）中常出现严重性能退化。为弥补该泛化差距，所提框架在解耦的HSV色彩空间内运行，专门针对亮度（V）通道将图像增强建模为实例级优化任务。研究人员引入一种新颖的混合对数伽马（Log-Gamma）映射函数，从数学上统一对数压缩的局部暗区拉伸能力与幂律伽马曲线的全局动态范围调节能力，从而大幅扩展变换空间的表达能力。为在无参考图像条件下控制参数收敛，多阶段低光照图像判别（LLID）引擎通过计算上下文相关的修剪偏度残差与全局强度均值对输入帧分类，有效抑制高光偏差。在正常光照条件下，群智能引擎通过块对比度质量指数（PCQI）优化Log-Gamma系数以最大化结构保真度；反之在严重低光照退化下，框架利用无参考图像空间质量评估器（BRISQUE）最小化空间伪影。使用海洋捕食者算法（MPA），框架迭代搜索连续边界空间以微调专属于每幅图像的参数矩阵。在四个基准数据集（Bicycle、DF1000、DICM、VV）上的实证评估验证了所提范式的有效性。所提变体在内部算法消融中获得平均排名首位，并与四种前沿深度网络相比取得具竞争力的全局平均排名，匹配领先数据驱动模型性能。尽管进化优化循环带来平均每帧延迟，该实例级范式以瞬时处理速度为代价，换取绝对的域适应性与可预测、无伪影的图像复原。
研究背景方面，随着数字成像、自动驾驶、机器人导航及夜间监控发展，非受限环境下的高质量图像需求激增。真实光学系统在极暗、逆光、阴影异常等非均匀光照下采集的图像存在对比度抑制、亮度动态范围压缩与传感器噪声放大等退化，不仅降低人眼观感，更严重影响下游目标检测、人脸识别与语义分割精度。现有物理模型（如Retinex理论）依赖手工先验，易产生光晕与过饱和；深度学习法推理快但参数静态，在分布外（OOD）场景严重退化；统计启发式（直方图均衡、对数变换、伽马校正）高效却难自适应。三者混合范式仍受训练负担或手工参数制约。因此，面向离线安防归档、法医重建、高分遥感等对绝对OOD泛化与结构保真严苛的场景，亟需无训练、逐实例优化的增强框架。研究人员据此开展无训练自包含自适应LLIE研究，以HSV的V通道为操作对象，提出混合Log-Gamma映射、LLID判别引擎与双IQA引导的元启发式优化，在Bicycle、DF1000、DICM、VV上验证其竞争性能，表明以单帧优化耗时换取可预测无伪影复原在高保真归档与后处理中具重要价值。论文发表于《Electronics》。
关键技术方法上，研究人员在HSV空间隔离V通道，设计耦合对数压缩与分数幂律缩放的混合Log-Gamma映射函数f(V)=log(1+α·Vγ)；构建五阶段LLID引擎，借Otsu与高斯界融合阈值剔除镜面高光，以原始偏度与修剪后偏度残差联合全局V均值完成低光/正常光/歧义二次判定；优化阶段按光照路径切换目标——正常光用半参考PCQI最大化局部结构，低光用无参考BRISQUE抑制空间噪声，由海洋捕食者算法（MPA）以种群30、迭代200搜索α∈[1,20]（正常光）或[1,10]（低光）、γ∈[0.1,1.5]（正常光）或[0.1,1.0]（低光）的连续空间；样本来自公开基准Bicycle（652张）、DF1000（DARK FACE抽样1000张）、DICM（64张）、VV（23张）。
研究结果部分，第2节基础预备中，研究人员梳理对数变换在暗区陡升但高端平坦、伽马变换经指数γ调控暗提或高抑的局限，给出Log-Gamma统一式并划定正常光与低光两组参数边界，证明曲线恒居对角线之上且偏重低强度提升；同时明确PCQI拆解为均值、信号强度、结构三独立分量适白天场景，BRISQUE基于MSCN与GGD偏离自然场景统计（NSS）适低光噪声评估。第3节框架设计中，LLID经RGB→HSV投影、变异系数计算、Sigmoid加权融合Otsu阈值与μ+κσ高斯界、剔高光算偏度残差、硬阈值三分类及NSC二次均值核查五阶段实现，Algorithm 1给出完整流程；实例显示夜景高楼（Case1）因高光拉偏度残差大判低光，展厅聚光画（Case2）局部亮但背景中调平衡判正常光，黑底白碑（Case3）与深檐蓝天（Case4）经二次均值核查消解歧义。实现工作流四步为HSV感知分轨、V通道Log-Gamma映射、MOA按PCQI/BRISQUE寻优、V与原始H/S逆变换重组。第4节实验中，硬件为i7-13700H+RTX3080+MATLAB R2022b；LLID在DICM与人工标注比对仅4张含局部高亮低光图误归正常光，单帧耗时0.024–0.204秒；OL/OG/OLG三映射配GWO/HHO/MPA消融表明OLG+MPA全局平均秩最低（3.1），DF1000与DICM上MPA-OLG居首；定性看OLG抑噪且避高光削顶，OL过拉暗区失中调，OG保自然却留阴影；双IQA消融证PCQI利正常光、BRISQUE利低光，LLID路由必要；参数敏感显示种群30迭代200为帕累托拐点。
讨论与结论翻译部分，研究人员指出该无训练实例级范式以每帧进化搜索耗时置换深度模型瞬时性，彻底规避数据域失配与OOD退化，在离线法医、海洋勘探、高分遥感等禁止幻觉伪影场景具不可替代性；OLG数学空间较单对数/单伽马更宽，LLID偏度残差机制克服全局均值被车灯街灯抬升的传统误判，MPA布朗与莱维交替飞行在DF1000多峰对比地形优于GWO早停与HHO过度开发。局限在于单帧延迟不适实时视频，LLID阈值属经验启发，极稀薄低光若中调全缺则BRISQUE导向偏保守。未来可引轻量群智能或GPU并行缩时，并将LLID扩展至亮度通道外的多光谱感知。
