自监督图像增强网络：仅需低照度图像进行训练

摘要: 本文提出了一种基于深度学习的自监督低照度图像增强方法。受信息熵理论和Retinex模型的启发，我们提出了一种基于信息熵最大的Retinex模型。利用该模型，一个非常简单的网络可以将照度图和反射图分离开来，且仅用低照度图像就可以进行训练。为了实现自监督学习，我们在模型中引入了一个约束条件：反射图的最大值通道与低照度图像的最大值通道一致，且其熵最大。我们的模型非常简单，不依赖任何精心设计的数据集（即使是一张低照度图像也能完成网络的训练），网络仅需进行分钟级的训练即可实现图像增强。实验证明，该方法在处理速度和效果上均达到了当前最新水平。