DPEC : Méthode de compensation d'erreur à double chemin pour une clarté améliorée des images en faible éclairage

Pour la tâche d’amélioration des images en faible éclairage, les algorithmes basés sur l’apprentissage profond ont démontré une supériorité et une efficacité comparatives aux méthodes traditionnelles. Toutefois, ces approches, principalement fondées sur la théorie de Retinex, ont tendance à négliger le bruit et les distorsions chromatiques présents dans les images d’entrée, entraînant une amplification significative du bruit et des distorsions chromatiques locales dans les résultats améliorés. Afin de remédier à ces problèmes, nous proposons une méthode appelée Compensation d’erreur à double chemin (DPEC), conçue pour améliorer la qualité des images sous faible éclairage en préservant les détails texturaux locaux tout en restaurant la luminosité globale de l’image sans amplifier le bruit. La DPEC intègre une estimation précise des erreurs au niveau des pixels pour capturer des différences subtiles, ainsi qu’un mécanisme indépendant de suppression du bruit afin d’éviter l’amplification du bruit. Nous introduisons une fonction de perte HIS-Retinex pour guider l’entraînement de la DPEC, garantissant que la distribution de luminosité des images améliorées s’aligne étroitement avec les conditions réelles du monde réel. Pour équilibrer la vitesse de calcul et l’efficacité des ressources tout en permettant à la DPEC d’acquérir une compréhension globale du contexte, nous avons intégré l’architecture VMamba dans son squelette principal. Des résultats expérimentaux quantitatifs et qualitatifs complets démontrent que notre algorithme surpasse significativement les méthodes de pointe dans le domaine de l’amélioration des images en faible éclairage. Le code source est disponible publiquement en ligne à l’adresse suivante : https://github.com/wangshuang233/DPEC.