A Two-Stage Unsupervised Approach for Low Light Image Enhancement 论文阅读笔记

这是一篇无监督暗图增强论文，来自RAL期刊（JCR1区）

• 文章将暗图增强任务分解两个阶段，第一阶段用基于retinex的传统方法进行预增强，第二阶段用refinement network 来进一步提高图片的质量。

第一阶段

• 用的是tone mapping这个方法：

H. Ahn, B. Keum, D. Kim, and H. S. Lee, “Adaptive local tone mapping based on retinex for high dynamic range images,” in Proc. IEEE Int. Conf. Consum. Electron., 2013, pp. 153–156.

• 这个方法对亮度的增强比很多深度学习方法要好，但是会增强噪声，为此需要进一步进行refinement。

第二阶段

• 第二阶段的网络用的是unet
• 损失函数是四部分组成，第一个是内容重建损失，也就是限制了refine前后的图片内容之间的距离：
• 第二部分是perceptual loss，也就是VGG提取的特征之间的距离
  
• 第三部分是tv loss，总变分损失，是为了抑制噪声：
  
• 第四部分是GAN的对抗损失：其中D是discriminator，$\hat{Y}$是正常光照图片（非成对）
  

实验结果

• 疑惑的一点是，unpaired enhancement dataset是怎么算PSNR和SSIM的