摘要

低光照图像增强（Low-light Image Enhancement, LIE）旨在提升在低光照条件下拍摄图像的对比度并恢复细节。以往大多数LIE算法仅依赖单张输入图像，并利用若干手工设计的先验知识来调整光照。然而，由于单张图像信息有限，且手工先验的适应性较差，这类方法往往难以有效还原图像细节。为此，本文提出一种无监督的PairLIE方法，通过低光照图像对学习自适应先验。首先，由于两幅输入图像具有相同的场景内容，网络应生成相同的清晰图像。为此，我们引入Retinex理论，并强制两个反射分量保持一致。其次，为辅助Retinex分解，我们设计了一种简单的自监督机制，用于去除原始图像中不合适的特征。在多个公开数据集上的大量实验表明，PairLIE在保持更简洁网络结构和更少手工先验的前提下，达到了与当前最先进方法相当的增强效果。代码已开源，地址为：https://github.com/zhenqifu/PairLIE。