摘要
在次优光照条件下拍摄的图像可能同时包含过曝和欠曝区域。当前的方法主要集中在调整图像亮度，这可能会加剧欠曝区域的颜色色调失真，并且无法恢复过曝区域的准确颜色。我们观察到，过曝和欠曝区域相对于彼此表现出相反的颜色色调分布偏移，这些偏移在联合建模中通常难以归一化，因为它们通常没有“正常曝光”的区域/像素作为参考。本文提出了一种新颖的方法，通过学习估计并校正这种颜色偏移来增强同时存在过曝和欠曝的图像。具体而言，我们首先通过基于UNet的网络生成输入图像的亮化版和暗化版的颜色特征图，然后使用伪正常特征生成器生成伪正常颜色特征图。接下来，我们提出了一种新颖的颜色偏移估计（COSE）模块，用于估计所生成的亮化（或暗化）颜色特征图与伪正常颜色特征图之间的颜色偏移。COSE模块分别校正过曝和欠曝区域的估计颜色偏移。此外，我们还提出了一种新颖的颜色调制（COMO）模块，用于调制分别校正后的过曝和欠曝区域的颜色，以生成增强后的图像。广泛的实验表明，我们的方法优于现有的方法。项目网页：https://github.com/yiyulics/CSEC