《A Two-stage Unsupervised Approach for Low light Image Enhancement》笔记

摘要指出图像增强需要面对的三个问题：

• 需要同一对（明亮和黯淡）的图像对作为训练
• 对黑暗场景下的图像增强效果并不好
• 图像增强后噪点也被放大

论文提出：

• 先使用基于Retinex网络的模型对低光图像进行亮度提升（亮度提升）
• 然后使用改进的对抗网络来提升图像质量（解决噪点）

一些前人工作：

• 《Enlightengan: Deep light enhancement without paired supervision》使用对抗网络进行亮度增强
• 《Self-supervised image enhancement network: Training with low light images only》基于最大熵使用单张低光图片训练进行亮度增强
• 《Learning to see in the dark》对Raw格式的图片格式进行亮度增强和降噪
• 《Deep convolutional denoising of low-light images》使用泊松降噪的深度卷积网络对低光图像进行降噪
• 《Noise suppression in low-light images through joint denoising and demosaicing》使用局部线性嵌入框架来进行降噪