استرجاع الصور في ظروف الإضاءة المتغيرة، مثل صور النهار والليل، يتم التعامل معه من خلال معالجة الصور المسبقة، سواء كانت يدوية أو متعلمة. قبل استخراج وصفيات الصورة باستخدام شبكة عصبية تلافيفية (Convolutional Neural Network)، يتم تطبيع الصور ضوئيًا بهدف تقليل حساسية الوصفيات للتغيرات في الإضاءة. نقترح تطبيعًا قابلًا للتعلم يستند إلى بنية الشبكة U-Net، والتي تم تدريبها على مزيج من صور متعددة التعرض من كاميرا واحدة ومجموعة جديدة تم بناؤها من مشاهد متشابهة للأماكن التاريخية خلال النهار والليل. نظهر بالتجربة أن كلًا من التطبيع اليدوي المستند إلى تعديل التوزيع التاريخي المحلي (Local Histogram Equalisation) والتطبيع القابل للتعلم يتفوقان على الأساليب القياسية في ظروف الإضاءة المتغيرة، بينما يظلان على نفس مستوى أفضل الأساليب الحالية في مقاييس الإضاءة النهارية، مثل مجموعات بيانات أكسفورد أو باريس.