低光图像增强：DEFormer: DCT-driven Enhancement Transformer for Low-light Image and Dark Vision

论文作者：Xiangchen Yin,Zhenda Yu,Xin Gao,Ran Ju,Xiao Sun,Xinyu Zhang

作者单位：University of Science and Technology of China; Hefei Comprehensive National Science Center; Anhui University; Hefei University of Technology; Tsinghua University

论文链接：http://arxiv.org/abs/2309.06941v1

内容简介：

1）方向：低光图像增强

2）应用：可应用于自动驾驶

3）背景：低光图像增强的目标是恢复图像的颜色和细节，对于自动驾驶中的高级视觉任务具有重要意义。然而，仅依靠RGB领域很难恢复暗区域的丢失细节。

4）方法：本文提出了一个可学习的频域分支（LFB），用于频域增强，包括DCT处理和基于曲率的频域增强（CFE）。 CFE计算每个通道的曲率以表示不同频段的细节丰富程度，然后将频率特征分为不同频段，侧重于纹理丰富的频段。此外，提出了一个交叉域融合（CDF）以减小RGB领域和频域之间的差异。同时，将DEFormer用作暗区检测的预处理，有效提升了检测器的性能，在ExDark和DARK FACE数据集上的mAP分别提高了2.1%和3.4%。

5）结果：实验证明，DEFormer方法在低光照图像增强方面取得了显著的成果，特别是在暗区检测中，使检测器的性能得到了明显提升，ExDark和DARK FACE数据集的mAP分别提高了2.1%和3.4%。