【论文精读】Low-Light Image Enhancement via a Deep Hybrid Network

论文出处

IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 28, NO. 9, SEPTEMBER 2019

摘要

1、提出了一种混合神经网络，由两个不同的流组成：
1）内容流：通过编解码器网络估计微光输入图像的全局内容，但是该部分会损失输入图像中的细节内容；
2）边缘流：提出了一种新的空间可变递归神经网络，在另一个自动编码器的指导下对边缘细节进行建模。
因此，网络可以同时学习微光图像的全局内容和显著性结构。
2、利用感知损失和对抗性损失对网络进行训练，产生令人愉悦的增强图像。
3、该网络仅仅是从原问题出发——微光图像增强，并未对其它论文中出现的问题进行讨论。

网络结构

该模型由两个流组成，上面的内容流是残差编解码器，旨在恢复大部分场景。下面的边缘流通过空间变化的RNN进行显著边缘预测。为了在两个流之间构建通信，在上采样阶段桥接两个网络。除了MSE损失外，我们还采用了感知损失和对抗性损失来进一步提高视觉质量。

A.内容流

构建了基于残差编解码器体系结构的内容分支，具体的内容预测设计如下：
1)将编码器中的前两卷积层改为空洞卷积，以扩大接收范围；
2)将边缘流中的解卷积模块的特征连接起来。
残差编解码器网络有三个卷积模块，每个模块由多个卷积层、ReLU层和skip link组成。具体地说，来自第一、第二和第三卷积的特征分别具有输入图像大小的1/2、1/4、1/8的大小。相应的解码器引入了上采样操作来放大特征映射。

B.边缘流

引用了具有空间可变的RNN的边缘流，以学习输入图像和相应地图的权重映射。具体是利用输入图像在$k$位置上的像素$x[k]$，将先前的隐藏状态$h[k-1]$转移到当前状态$h[k]$。一维中的空间递归关系可以由下式建模：
$$h[k]=(1-p[k])\circ x[k]+p[k]\circ h[k-1]\text{\hspace{1em}(1)}$$
其中$p[k]$是平衡$x[k]$和$h[k]$之间的加权因子。
CNN依赖于图像内容来学习相应的权重图$p$，公式（1）是在某一指定频率具有单位增益的归一化滤波器。
但该方法不能直接应用于微光图像增强任务，当直接使用标准化的RNN时，若输入微光图像，则输出仍是微光图像。如下图所示：

由于空间上的RNN等价于归一化滤光器，因此RNN的输出在给定弱光输入$(a)$的情况下仍然是微光图像$(b)$。相反，我们改进的空间可变RNN学习显著的边缘相关特征，如$(c)$所示。
根据以上内容，提出了一种边缘流来弥补微光图像的结构信息丢失，改进的空间变异RNN模型：
$$h[k]=g[k]\circ x[k]+p[k]\circ h[k-1]\text{\hspace{1em}(2)}$$
不同于等式（1），引入了一种新的于$p$无关的权重图$g$，使得当前图像像素信息$x[k]$和先前的隐藏状态$h[k-1]$可以更灵活地融合。

上图所示，输入信息由微光图像及其对应的梯度组成。CNN依赖于输入信息生成权重图$g$和$p$。多尺度特征$x$进一步由输入图像组成。一个方向空间变化的RNN，特别是从左到右(图中的红色箭头)，采用所生成的权重图$g$和$p$以及多尺度特征$x$来递归地生成隐藏状态，即边缘特征。请注意，对于每个特定方向，输入图像被视为一组一维序列。
在本文中，我们还采用了带有跳跃连接的编解码器结构来计算像素方向的权重$g[k]$和$p[k]$。我们发现该网络与内容分支具有相似的属性，并且它们的特征表示具有相似的比例，这使得能够合理地连接到内容流。此外，为了生成输入图像的多尺度特征$x$，我们使用{1/2，1/4，1/8}的比率，然后将它们的大小调整到原始大小，并将它们与原始图像连接在一起。因此，我们的空间变异RNN中的$x[k]$可以通过粗尺度的处理达到更全局的范围。利用多尺度特征$x$以及学习到的权重图$g$和$p$，我们的RNN依赖于公式（2）从四个不同的方向扫描图像。因此，生成四个隐含激活图来学习不同的边缘相关特征。我们根据每个位置的最大响应来选择最优方向，从而整合了这些特征。这是通过逐节点的最大汇集来实现的，其有效地选择响应最大的方向作为要传播的期望的显著边缘信息。
混合网络学习到内容和边缘相关特征后，将这些特征融合在一起，再加上两个额外的卷积层。

损失函数

MSE损失

该损失度量增强后的图像与真实图像之间的内容差异，使用输出图像与目标图像之间的欧几里德距离，表达式如下：
$${\mathcal{L}}_{mse}=\frac{1}{N}\sum _{i=1}^N||G(R)-I|{|}^2\text{\hspace{1em}(3)}$$
其中$N$表示每个进程中的图像数量。

感知损失

为了提高生成器的增强效果，利用感知损失对生成器进行约束。
$${\mathcal{L}}_{per}=\frac{1}{C_j{W}_j{H}_j}||{\varphi }_j\{G(R)\}-{\varphi }_{j}I|{|}^2\text{\hspace{1em}(4)}$$
其中${\varphi }_j$表示由VGG16网络通过第$j$次卷积得到的特征图。

对抗性损失

$${\mathcal{L}}_{adv}=\underset{I\backsim P_{clear}(I)}{E}[logD(I)]+\underset{R\backsim P_{low}(L)}{E}[log(1-D(G(L)))]\text{\hspace{1em}(5)}$$

总的损失

通过组合MSE损失、感知损失和对抗性损失。最终损失函数定义为：
$${\mathcal{L}}_{total}={\mathcal{L}}_{mse}+{\lambda }_p{\mathcal{L}}_{per}+{\lambda }_a{\mathcal{L}}_{adv}\text{\hspace{1em}(6)}$$