一种基于Retinex理论的低光照图像增强方法

本发明公开一种基于Retinex理论的低光照图像增强方法，隶属低光照图像增强领域。该方法以Retinex理论为依托，展开三方面创新：搭建双分支分解网络DecomNet，实现光照与反射分量的精准解耦；引入扩散模型为反射分量去噪，并借助自约束一致性损失函数，兼顾噪声抑制和细节留存；构建ReLumenNet，融合LIT模块与CBAM机制，自适应调控光照。凭借一系列创新设计，该方法大幅提升了低光照图像增强效果，有效攻克亮度失真、噪声干扰和细节缺失等难题。其在夜间监控、自动驾驶等场景极具实用价值，在技术层面上提供了一个低光照图像增强的新方法。