LOW-LIGHT IMAGE ENHANCEMENT USING CNN AND BRIGHT CHANNEL PRIOR 

Problems

•过去的方法包括基于retinex理论的方法，这个方法假定去除光照影响可以增强低照图像，但是这种方法是对RGB图像进行处理的，容易造成颜色失真； 

•基于直方图均衡化的处理，主要用来增加图像的对比度，但是其对较暗区域处理效果比较差，造成颜色失真； 

•最近还有基于去雾算法的增强算法，以及黑暗通道优先的方法，当然这些方法缺少一些成熟的理论，处理出的图像也过于夸张。 

•论文提出基于大气散射的光照模型去增强低照图像。

Method

•我们在大气散射模型的基础上，考虑到夜间的光照条件，建立了一个弱光模型。我们提出了一个简单而有效的图像先验，明亮通道先验，来估计我们的低光模型中的参数。 

•此外，设计了一个基于CNN的模型对低光图像进行去噪，以提高基于模型的增强前的图像质量。

Architecture

CNN model for denoising

•一般的去噪算法是通过估测图像中高斯白噪声的方差去噪，而这里则是通过DCNN进行去噪。在网络里这里通过将图像分成一个个Patch方便处理，通过将残差图加上原有的噪声图作为输出，和无噪声图像进行比较进行训练。

Contrast enhancement using proposed model

Adaptive environment light estimation

 EXPERIMENTAL RESULTS