在不同的光照条件下进行图像检索，例如白天和夜晚的图像，可以通过图像预处理来解决，这些预处理方法既包括手工设计的也包括学习得到的。在使用卷积神经网络提取图像描述符之前，图像会进行光度归一化处理，以减少描述符对光照变化的敏感性。我们提出了一种基于U-Net架构的学习型归一化方法，该方法是在单摄像头多曝光图像和新构建的地标日间与夜间相似视图集合上训练的。实验结果表明，无论是基于局部直方图均衡化的手工设计归一化方法还是学习型归一化方法，在不同光照条件下的表现均优于传统方法，同时在日光照明基准测试（如牛津或巴黎数据集）中的表现与最先进的方法相当。