Amélioration d’images en faible éclairage par la décomposition de l’obscurité

Les images capturées dans des environnements à faible luminosité souffrent souvent de dégradations complexes. Un simple ajustement de l’éclairage entraîne inévitablement une augmentation du bruit caché et une distortion des couleurs. Afin d’obtenir des résultats satisfaisants en termes d’éclairage, de netteté et de réalisme à partir d’entrées dégradées, ce papier présente un cadre novateur inspiré du principe « diviser pour régner », qui atténue considérablement l’entrelacement des dégradations. En supposant qu’une image peut être décomposée en composantes texture (pouvant inclure du bruit) et couleur, il devient possible d’appliquer spécifiquement le retrait du bruit, la correction des couleurs et l’ajustement de l’éclairage. À cette fin, nous proposons de transformer une image de l’espace RGB vers un espace luminance-chrominance. Un réseau de suppression de bruit ajustable est conçu pour éliminer le bruit dans la composante luminance éclaircie, en s’appuyant sur une carte d’éclairage estimée qui indique les niveaux de renforcement du bruit. La luminance améliorée sert ensuite de guide pour le mapper de chrominance afin de générer des couleurs réalistes. Des expériences étendues sont menées pour démontrer l’efficacité de notre approche, et sa supériorité par rapport aux méthodes de pointe, tant sur le plan quantitatif que qualitatif, sur plusieurs jeux de données standard. Notre code source est disponible publiquement à l’adresse suivante : https://github.com/mingcv/Bread.