基于Retinex理论的低照度图像增强论文研读历程

LIME：Low-light enhancement via illumination map estimation   2016 TIP

【论文思想】输入一张低照度图片，选取每个像素通道中的最大值初始化该图像的光照图，然后通过加入一种结构先验来细化该初始光照图，最后根据Retinex理论合成增强图。

【算法目的】非均匀地增强低照度图像的光照，而不是消除光源引起的色偏。

【小收获】伽马校正的缺点：无法反映像素间关系，即无法反映光照水平间的关系

【论文贡献】不同于以往的方法（将图像I分解为L和R），该算法只估计L；

  ※ 提出了两种加速优化光照图的算法：增广拉格朗日乘数法（ALM）和权重策略。

首先，反射率表示为

小常量是为了避免出现分母为0和R过度饱和。其中，初始化光照图：

【ALM优化算法】自定义一个优化的目标函数：