Afifi Mahmoud ; Derpanis Konstantinos G. ; Ommer Björn ; Brown Michael S.

摘要

在基于相机的成像中，曝光不当仍然是主要的错误来源之一。曝光问题可以分为两类：(i) 过曝，即相机曝光时间过长，导致图像区域过于明亮且缺乏细节；(ii) 欠曝，即曝光时间过短，导致图像区域过暗。无论是欠曝还是过曝，都会大大降低图像的对比度和视觉吸引力。以往的研究主要集中在欠曝图像或一般图像增强上。相比之下，我们提出的方法旨在解决照片中的过曝和欠曝问题。我们将曝光校正问题划分为两个主要子问题：(i) 色彩增强和 (ii) 细节增强。为此，我们提出了一种可端到端训练的粗到细深度神经网络（DNN）模型，分别解决每个子问题。我们解决方案的一个关键方面是一个包含超过24,000张图像的新数据集，这些图像展示了迄今为止最广泛的曝光值范围，并配有相应的正确曝光图像。我们的方法在欠曝图像上的表现与现有的最先进方法相当，并且对存在过曝问题的图像取得了显著改进。