阅读论文《Deep Retinex Decomposition for Low-Light Enhancement》

   这是2018年BMVC的一篇论文，做的是低光照图像增强。思路就是将图像分解成光照图和反射图两个部分，对这两个部分分别施加约束，这里简要谈一下我的理解。论文解决的问题是，如何将图像分解成反射图和光照图，以及如何对光照图进行再处理。论文的网络如下所示:

   如上图所示，在分解部分，这里输入是正常的光照图和低照图，最后的sigmoid限制输出为0到1之间，并将最后的通道分解成两个部分，即光照图I和反射图S。对该部分施加Loss,分为以下三个部分:

$$L = L_{rec}+\lambda_{ir} L_{ir}+\lambda_{is} L_{is}$$

其中，$L_{rec}$用来约束正常光照和低照的反射图都可以用来重建输入图，表示如下:

$$L_{rec} = \Sigma_{i=low,normal} \Sigma_{j=low,normal} \lambda_{ij}||R_i \cdot I_j - S_j||_1$$

$L_{ir}$用来使得两个反射图保持一致，表示如下:

$$L_{ir} = ||R_{low}-R_{normal}||_1$$

$L_{is}$用来使得光照图保持原始图像边缘处的梯度信息，表示如下:

$$L_{is} = \Sigma_{i=low,normal}||\triangledown I_i \cdot exp(-\lambda_g \triangledown R_i)||$$

   对于调整部分，这里对光照图进行调整，使用一个类似于Unet的一个结构。这里将不同的feature采样到一个维度然后concat，从而实现在不同层级上做调整。该部分的Loss分为两个部分，$L_{is}$和上面一样，另一个部分为:

$$L_{rec} = ||R_{low} \cdot \hat{I} - S_{normal}||_1$$

   最后还要对反射图做去噪，这里使用的是BM3D算法，其他部分参见论文。