摘要
低光图像增强具有挑战性，因为它不仅需要考虑亮度恢复，还需要解决诸如颜色失真和噪声等复杂问题，这些问题通常隐藏在暗处。简单地调整低光图像的亮度必然会放大这些伪影。为了解决这一难题，本文提出了一种基于多分支卷积神经网络的新型端到端注意力引导方法。为此，我们首先构建了一个合成数据集，采用了精心设计的低光模拟策略。该数据集比现有的数据集更大且更多样化。利用新的数据集进行训练，我们的方法学习了两个注意力图，分别用于指导亮度增强和去噪任务。第一个注意力图区分了曝光不足区域和光照良好的区域，第二个注意力图区分了噪声和真实纹理。在它们的引导下，所提出的多分支分解与融合增强网络以输入自适应的方式工作。此外，一个强化网络进一步增强了输出图像的颜色和对比度。大量实验表明，我们的方法可以生成高保真的低光图像增强结果，并在定量和视觉效果上大幅超越当前最先进的方法。