摘要

低光照图像增强（LLIE）任务旨在从受损的低光照图像中恢复细节和视觉信息。现有的大多数方法通过深度神经网络（DNNs）在sRGB和HSV颜色空间上学习低光照/正常光照图像之间的映射函数。然而，增强过程涉及放大图像信号，将这些颜色空间应用于信噪比较低的低光照图像时，可能会引入敏感性和不稳定性，从而导致增强后的图像出现色彩伪影和亮度伪影。为了解决这一问题，我们提出了一种新的可训练颜色空间，称为水平/垂直-强度（HVI）颜色空间。该颜色空间不仅从RGB通道中分离出亮度和颜色以减轻增强过程中的不稳定性，还通过可训练参数适应不同光照范围内的低光照图像。此外，我们设计了一种新的色彩与强度解耦网络（CIDNet），该网络包含两个分支，分别用于在HVI空间中处理解耦后的图像亮度和颜色。在CIDNet中，我们引入了轻量级交叉注意力（LCA）模块，以促进两个分支之间图像结构和内容信息的交互，并同时抑制低光照图像中的噪声。最后，我们进行了22项定量和定性实验，证明所提出的CIDNet在11个数据集上的表现优于现有最先进方法。代码已发布在 https://github.com/Fediory/HVI-CIDNet。