低照度画像における異なる光源の照度分布が不均一であるため、画像強調時に輪郭特徴の喪失や不自然な効果が生じる問題に対し、照度拡散に基づく低照度画像強調手法（Light Diffusion based Zero-DCE Image Enhancement Algorithm、LightDiffu-DCE）を提案する。モデルの汎化能力を高めるために、光源の照度をモデル化した拡散モデルを提案し、異なる照度の訓練データセットを生成した。エッジ特徴融合深層曲線推定ネットワークを設計し、低照度画像のマルチスケールな輪郭および細部特徴をより豊富に抽出し、照度推定の精度を向上させた。より自然な照明の復元のため、大気光推定を融合し、画像の異なる領域の照度を算出し、光強調曲線および光強調係数の動的微調整を実現した。参照なしデータセットExDarkおよび参照ありデータセットLOLにおいて、6種類の評価指標を用いて実験解析を行った。実験結果は、ベースライン手法と比較して、LightDiffu-DCEがExDarkの参照なし評価指標NIQE、PIQEおよびRISQをそれぞれ約8.35％、6.20％、21.83％向上させ、LOLデータセットの参照あり評価指標PSNR、SSIMおよびRMSEをそれぞれ約12.12％、4.76％、49.89％向上させたことを示した。本手法は低照度画像を効果的に強調でき、復元された低照度画像の輪郭がより鮮明で色彩が鮮やかであり、効果がより自然である。

コンピュータビジョン;拡散モデル;低照度強調;エッジ特徴;深層曲線推定ネットワーク