一种基于傅里叶变换的不配对低照度图像增强方法

本发明属于数字图像处理技术领域，涉及一种基于傅里叶变换的不配对低照度图像增强方法。本发明提出了一个创新方案，采用不配对的训练策略，避免了对配对数据的依赖。首先获取低照度图像和不配对的高照度图像，然后使用基于Retinex算法的预训练分离网络，从低照度或高照度图像中提取光照和反射率分量，并训练出增强后的反射率分量；接着将光照分量送入循环一致性生成对抗网络(CycleGAN)进行不配对训练；最后，将增强后的反射率和光照分量相乘得到最终增强图像。通过结合预训练的反射率图和不配对训练，本发明有效提升了图像的光照和细节恢复能力，模型的适应性和泛化能力强，无需配对数据即可实现显著的图像增强效果，具有广泛的实际应用潜力。