吴庆波，王蕊，任文琦，*

（1.中国科学院信息工程研究所 信息安全国家重点实验室，北京 100193；2.中国科学院大学 网络空间安全学院，北京 100049）

受光照强度的影响，在夜间和背光条件下采集的图像往往含有较低的对比度、大面积的暗区域和明显的噪声污染。这些降质图像往往导致人们无法正确地辨识场景内容，也常常给图像检索、多媒体信息安全等后续计算机视觉任务［1-3］带来严峻的挑战。因此，低照度图像增强具有重要的理论价值和现实意义，受到学界广泛关注。

早期，大部分工作［4-5］通过直方图调整亮度值的分布对低照度图像进行增强。但是，这些方法往往产生过增强或欠增强的结果，而且忽视了较暗区域中存在的噪声。受Retinex理论［6］启发，学者提出对低照度图像I进行分解：I=R◦L，R为反射图（Reflectance Image），表示物体固有的物理属性，L为照明图（Illum ination Map），表示图像中物体上的光照强度，“◦”为Hadamard乘积。基于Retinex分解，大部分方法［7-14］通过调整照明图像对低照度图像进行增强。在该框架下，Guo等［7］引入了LIME（Low-light Image Enhancement）方法，先从低照度图像中估计初始照明图，再利用结构先验对照明图进行改进，最后通过除法操作恢复反射图。虽然LIME方法在后处理阶段使用BM3D［15］从反射图中去除噪声，但该策略对噪声不够鲁棒。一方面是因为受照明图的影响，反射图中放大的噪声在空间上分布不均匀。另一方面，BM3D方法假设图像噪声服从高斯分布，不适用于去除反射图中不均匀的噪声。为避免噪声放大问题，Li等［9］把输入图像从RGB颜色空间……