刘 文，杨梅芳，聂江天，章 阳，杨和林，熊泽辉

（1.武汉理工大学 航运学院，武汉 430063；2.武汉理工大学 内河航运技术湖北省重点实验室，武汉 430063；3.武汉理工大学 计算机科学与技术学院，武汉 430063；4.南洋理工大学 计算机科学与工程学院，新加坡 639798；5.新加坡科技与设计大学 信息系统技术与设计系，新加坡 487372）

0 概述

闭路电视监控（CCTV）作为船舶交通管理（VTS）系统的重要组成部分，在海事监管中发挥着重要作用，但是在夜晚等低照度环境下，CCTV 系统捕获的海上图像存在亮度和对比度低以及质量差的问题，这不仅会干扰监管部门对视频内容的分析解读，也会影响后续船舶目标检测［1-2］等视觉任务的执行效果。因此，对CCTV 系统在低照度环境下拍摄的图像进行增强具有重要的现实意义。

传统的低照度图像增强方法主要分为基于直方图均衡化（HE）的方法与基于Retinex 理论的方法两类。HE 方法［3］通过对灰度图像进行拉伸，增加像素灰度值的动态范围，以达到增强图像整体对比度的效果。Retinex 理论是一种由LAND［4］提出的模拟人类视觉系统实现颜色恒常性的色彩理论，该理论认为一幅图像可以表示为光照分量图像和反射分量图像的乘积，只需消除光照对图像的影响即可改善低照度图像的视觉效果。目前，基于Retinex 理论的方法主要有NPE［5］、SRIE［6］和LIME［7］等，这些方法的共同点在于它们首先通过人工设计以及参数调整准确估算图像的光照分量，然后根据Retinex 理论直接或间接地得到增强图像。

近年来，随着高性能GPU 的发展，应用深度学习技术来解决传统的低级视觉问题显得更加方便可行。……