Low-Light Image Enhancement With Semi-Decoupled Decomposition

• 这是2020年TMM期刊的一篇传统方法暗图增强的论文，提出了基于GTV的亮度层估计。

• 最初是如下公式，用高斯滤波核和高斯函数对梯度进行归一化：
  
  但这样太难优化了，所以进一步约简为如下下形式方便优化：
  
  从而将前面的分式设为$\omega$，可以得到如下的最终公式，也就是最近两年的retinex论文里用到的GTV损失公式，其中S为原图：
  

• 最优值可以迭代求得：
  
  
  

• 求得I之后，再求R，可以用同样的方式求得一个平滑的R从而实现去噪：
  

• 优化的公式我这里就不展开细说了。实验结果看NIQE和图片还是蛮不错的
  
  
  还可以去雾：
  

• 启发是先估计平滑的I，再根据平滑的I和原图，估计平滑的R，可以一定程度上实现去噪