自监督图像增强网络:仅需低照度图像进行训练
Self-supervised Image Enhancement Network Training With Low Light Images Only
-
作者:
张雨
1
遆晓光
1
张斌
1
王春晖
1
-
作者单位:
- 通讯作者:
遆晓光
Email:dixiaoguang@hit.edu.cn
-
提交时间:2020-03-06
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。
版本历史
[V1] |
2020-03-06 18:04:29 |
ChinaXiv:202003.00048V1
|
下载全文 |