复现论文《基于Retinex理论和深度学习的低照度图像增强算法研究》

基于Retinex理论和深度学习的低照度图像增强算法研究

1. 论文标题

基于Retinex理论和深度学习的低照度图像增强算法研究

2. 内容概括

该论文针对低照度图像存在的亮度低、对比度不足、颜色失真和细节丢失等问题，提出了两种基于Retinex理论和深度学习的增强算法。第一种算法在HSV色彩空间中将亮度和色彩分离，使用分解网络、光照增强网络和反射增强网络分别处理，引入Res2Block和CBAM-Res2block模块增强多尺度特征表示。第二种算法采用多尺度残差U型网络结构分解图像，通过金字塔池化网络增强反射分量，并改进损失函数保持色彩平衡。实验表明两种算法能有效解决颜色失真、低对比度和信息丢失问题。

3. 论文复现代码及解释

3.1 基于HSV和Retinex的低照度图像增强算法

import cv2
import numpy as np
import torch
import to