计算机应用

作者：张日丰, 李广明, 欧阳裕荣

单位：东莞理工学院 计算机科学与技术学院，广东 东莞 523808

关键词：低光图像增强,Lab色彩空间,Retinex理论,注意力机制,频域分析

基金：广东省自然科学基金资助项目(2023A1515011307)

近年来，基于深度学习的低光图像增强方法受Retinex理论的启发，先估计照明图调整亮度，再恢复反射率以实现低光增强。因此，通过分析低光场景反射图与参考反射图的相似度，提出一种反射先验图引导的低光图像增强网络（RP-Net）。首先，在Lab色彩空间分解出相似反射图，并设计反射先验特征自适应提取器（RPAE）在主干网络以不同尺度从相似反射图中重新编码和筛选引导特征；其次，通过设计的反射先验特征引导注意力块（RPGB）将引导信息注入主干网络。此外，针对传统逐像素L1损失的局限性，从频域分析的视角出发，设计一种频域调和损失函数，以从全局频谱分布优化增强效果。在LOLv1、LOLv2和LSRW数据集上的实验结果表明，所提方法在结构相似性（SSIM）上优于现有主流方法，在LOLv2-syn和LSRW数据集上得到的峰值信噪比（PSNR）相较于Retinexformer和SAFNet （Spatial And Frequency Network）分别提高了1.29 dB和2.08 dB，并且在色彩保真和增强效果的平衡上表现出色。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期