计算机应用研究

作者：孙福艳,吕准,吕宗旺,

单位：1.河南工业大学信息科学与工程学院,郑州450001；2.中原智慧园区与智能建筑研究院,郑州450001；

关键词：低光照图像增强,深度学习,有监督,特征提取,无监督,

基金：国家重点研发计划资助项目(2022YFD2100202)；；

低光照图像增强的目的是优化在光线不足的环境中捕获的图像，提升其亮度和对比度。目前，深度学习在低光照图像增强领域已成为主要方法，因此，有必要对基于深度学习的方法进行综述。首先，将传统低光照图像增强方法进行分类，并分析与总结其优缺点。接着，重点介绍基于深度学习的方法，将其分为有监督和无监督两大类，分别总结其优缺点，随后总结应用在深度学习下的损失函数。其次，对常用的数据集和评价指标进行简要总结，使用信息熵对传统方法进行量化比较，采用峰值信噪比和结构相似性对基于深度学习的方法进行客观评价。最后，总结目前方法存在的不足，并对未来的研究方向进行展望。

来源：2025年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第1期