基于残差商学习的零参考低照度图像增强方法

本发明公开一种低照度图像增强方法。首先获取低照度图像并预处理为训练集，接着用训练集训练基于残差商学习框架构建的神经网络，该网络含增强网络和校准网络。训练后利用增强网络处理输入图像。此方法能深度挖掘特征信息，整合通道与空间信息。其核心是残差商学习框架，将增强任务转变为通过残差学习预测潜在商，根据原始低照度图像自适应调整。该框架提升了对复杂光照处理能力，使生成图像更自然、视觉效果更好，实现高效高质量增强，在多个领域有广泛应用前景和实用价值。构建了基于残差商学习的低照度增强神经网络，该学习框架将低照度增强任务转化为通过残差学习，根据原始低照度输入图像自适应地预测潜在的商(比值)。