文献类型：会议论文

中文题名：基于深度学习的低光照图像增强方法研究综述

作者：李诺亚;潘卫国;刘世豪;徐冰心

第一作者：李诺亚

机构：[1]北京联合大学北京市信息服务工程重点实验室;[2]北京联合大学机器人学院脑与认知智能北京实验室

第一机构：北京联合大学北京市信息服务工程重点实验室

会议论文集：中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会论文集

会议日期：20241121

会议地点：中国山东威海

语种：中文

中文关键词：深度学习;低光照图像增强;CNN;Retinex;GAN

摘要：低光照图像增强旨在提高光照不足场景下捕获数据的视觉感知质量以获得更多有效信息,其已成为图像处理领域的研究热点,在自动驾驶等人工智能产业中具有广阔的应用前景。传统方法的推导过程流程普遍复杂,不利于实际应用。当前,基于深度学习的低光照图像增强方法已经取得了显著的研究成果,文中对利用深度学习实现图像增强的方法进行了简明而全面的概述,将现有方法归纳为五大类,分别总结其中具有代表性的方法,并对现有的低光照增强数据集进行介绍。在未来,低光照环境下的高级视觉任务如目标检测、分类等将为低光照图像增强技术的发展带来新的机遇和挑战。