用于低光照图像增强与去噪的单阶段信号衰减扩散模型
《Pattern Recognition》:Single-stage signal Attenuation Diffusion Model for Low-Light Image Enhancement and denoising
【字体:
大
中
小
】
时间:2026年09月19日
来源:Pattern Recognition 9.1
编辑推荐:
•用于低光照增强与去噪联合处理的扩散框架
•一种用于低光照退化建模的衰减引导前向过程
•在公开基准数据集上具有竞争力的定量与可视化结果
引言
在光照不足条件下获取的低光照图像通常存在可见度低、噪声显著、色彩失真以及细节丢失等问题。这些退化严重影响视觉质量,使低光照图像增强
•用于低光照增强与去噪联合处理的扩散框架
•一种用于低光照退化建模的衰减引导前向过程
•在公开基准数据集上具有竞争力的定量与可视化结果
引言
在光照不足条件下获取的低光照图像通常存在可见度低、噪声显著、色彩失真以及细节丢失等问题。这些退化严重影响视觉质量,使低光照图像增强(LLIE)成为一项极具挑战性的图像复原任务。LLIE旨在提升亮度的同时抑制噪声并保留结构细节。
传统的LLIE方法通常基于Retinex理论,尝试将图像分解为光照分量和反射分量。尽管在某些情况下有效,但这些方法往往依赖手工设计的假设,可能在含噪区域引入伪影或在复杂场景中扭曲色彩。基于CNN和Transformer的深度学习方法显著推动了LLIE的发展。然而,许多现有方法仍采用多阶段流水线,将亮度增强与去噪解耦为独立任务,这可能阻碍联合优化并导致残余伪影。
去噪扩散概率模型(DDPMs)近来作为图像复原的有力工具崭露头角,其前向加噪与逆向去噪过程使其在增强与去噪本质耦合的低光照图像增强中具有广阔前景。然而,许多基于扩散的LLIE方法仍依赖两阶段设计或辅助校正模块,且其前向过程通常继承自标准高斯扩散。因此,低光照退化下有信号逐渐衰减的现象未被显式考虑。
为克服上述局限,我们提出了信号衰减扩散模型(SADM)。核心思想是在扩散过程中引入信号衰减机制,使前向过程中信号衰减与噪声退化被联合建模。与简单地重新参数化DDPM中的β_t或α_t不同,所提公式通过衰减-噪声递推约束改变了注入噪声和信号分量的传播方式。这使得亮度增强与噪声抑制可以在统一的逆向扩散框架内学习。我们进一步采用先验引导的条件化和基于DDIM的金字塔采样来提升复原质量和推理效率。
图1比较了不同基于扩散的LLIE流水线。子图(a)展示了两阶段的LIME [1]+LPDM [2]方法,级联了低光照增强器与扩散去噪器。子图(b)描绘了Diff-Retinex++(DRP [3]),在校正网络中嵌入到去噪过程。相比之下,我们的SADM(子图(c))采用单阶段设计。如右图所示,该设计的关键在于前向过程:通过将信号衰减机制嵌入DDPM前向过程,SADM自然地建模了亮度衰减与噪声退化的耦合关系,从而在无需额外校正网络的统一模型中处理增强与去噪。
需要指出的是,此处的"单阶段"并不意味着框架不包含先验引导或多尺度推理;预处理先验仅作为信号衰减建模的辅助引导,多尺度DDIM采样是统一推理过程的组成部分,而非独立的增强阶段。
我们的贡献如下:
•我们提出SADM,一个低光照图像复原的扩散框架,在前向过程中联合建模信号衰减与噪声退化。与传统的DDPM调度修改不同,所提方法通过衰减-噪声递推约束改变信号分量的演化。
•我们开发了统一的复原公式,使亮度增强与噪声抑制在同一个逆向扩散模型中学习,并进一步利用先验引导的条件化和基于DDIM的金字塔采样提升实际性能。
•我们在多个基准和额外的真实低光照图像上进行了广泛实验,并辅以更多消融和效率相关分析,证明了所提方法的有效性并阐明了其当前局限。
章节片段
相关工作
低光照图像增强(LLIE)经历了三大主要范式演变:传统的基于先验的方法、基于深度学习的方法,以及近期兴起的基于扩散的生成方法。除LLIE本身外,扩散建模在通用图像复原和跨域生成方面的进展也为退化感知的增强设计提供了重要见解。
信号衰减扩散模型
我们基于DDPM的前向扩散过程展开,其公式为:
x_t = a_t·x_{t-1} + b_t·ε_t, ε_t ~ N(0, I), t = 1, 2, ..., T
其中a_t和b_t分别为控制信号保留和噪声注入的标准DDPM系数,ε_t表示标准高斯噪声,T为总扩散步数。
针对LLIE适配,我们引入衰减因子k_t来修向前向加噪过程:
x_t = k_t·(a_t·x_{t-1} + b_t·ε_t), ε_t ~ N(0, I)
其中k_t对信号和噪声同时进行衰减,确保随着时间推移……
数据集与评估指标
为严格评估SADM,我们在三个广泛使用的低光照图像增强基准上进行了广泛实验:LOLv1 [32]、LOLv2-Real [33]和LOLv2-Syn [33]。
我们采用多种指标从不同角度评估图像质量、色彩偏差和噪声水平:峰值信噪比(PSNR)、结构相似性指数(SSIM)[34]、学习感知图像块相似度(LPIPS)[35]、增强图像的盲图像质量度量(BIQME)[36]、色差ΔE
结论
本文提出了SADM,一个信号衰减引导的低光照图像复原扩散框架。通过在前向扩散过程中引入衰减引导的信号衰减,所提方法旨在更好地反映低光照成像中遇到的光照退化与噪声退化的耦合特性。我们进一步推导了二阶矩递推约束k_{t-1}^4·a_t^2 + b_t^2 = k_t^2以支持衰减引导的扩散公式。结合基于DDIM的……
CRediT作者贡献声明
刘莹:写作—审阅与编辑,写作—原稿,可视化,验证,软件,方法学,调查,概念化。张俊超:写作—审阅与编辑,监督,资源,项目管理,资金获取,概念化。吴彩云:写作—审阅与编辑,可视化,验证。
利益冲突声明
作者声明不存在任何可能影响本文所述工作的已知竞争性财务利益或个人关系。
致谢
本研究部分由国家自然科学基金(批准号:62105372)、国家重点实验室自动目标识别基础研究所(批准号:WDZC20255290209)以及湖南省科技项目(批准号:2025QK3019)资助。
作者在稿件写作过程中使用了人工智能工具辅助语法修正和拼写检查。作者独立审阅、编辑并最终定稿。
刘莹 | 张俊超 | 吴彩云
生物通微信公众号
生物通新浪微博
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