这是2017年VCIP的一篇论文，使用神经网络对暗光下的图像作增强。使用的网络基本结构如下图所示：
网络由一个卷积层输入，一个卷积层输出，中间由若干卷积模块组成，特征数均为64。卷积模块参考残差网络和inception的结构，先分成两路送入，然后将两路输出直接相加，相加后结果再通过一个残差相加。如下所示：
网络使用SSIM-Loss,正常的MSE会将亮度变化对结果的影响考虑进去，从而导致PSNR发生变化，这里使用SSIM作为损失函数，可以保留更多的纹理特征，SSIM如下式所示：
则损失可以写为$Loss=\frac{1}{N}\Sigma1-SSIM(p)$
在训练时，因为没有ground-truth图像，这里使用普通的自然图像作为目标图像，其衰减之后的图像作为低照图像。通过对比组实验，从网络深度，Loss形式，CNN模型的形式分析对结果的影响，同时和已有结果进行对比，结果如下表所示：
增亮效果图如下：
