idft重建图像 matlab_低光照图像增强网络-RetinexNet（论文解读）

论文地址：https://arxiv.org/pdf/1808.04560.pdf

代码地址：https://github.com/weichen582/RetinexNet

解析目录：https://zhuanlan.zhihu.com/p/88761829

---

低光照图像增强一直是CV领域的热门研究方向之一，之前传统的基于Retinex理论的研究方法已经出现很多，比如MSR、MSRCR和MSRCP等，这些方法在低光照图像增强方面效果有明显提升。然而，这些方法处理每一张图像会比较耗时，这样就没办法较快地批量处理低光照图像，因此这里介绍一种基于Retinex理论的卷积神经网络模型——RetinexNet，该模型是2018年发表在BMVC上的，论文题目是《Deep Retinex Decomposition for Low-Light Enhancement》。

---

一、 Retinex图像分解理论介绍

该理论把一幅图像

看做是光照分量

和反射分量

的乘积，即

其中反射分量

是物体的本身性质决定的恒定部分，光照分量

则是受外界光照影响的