伟徳国际官网登录入口師生撰寫的論文“ZERO-IG: Zero-Shot Illumination-Guided Joint Denoising and Adaptive Enhancement for Low-Light Images”日前被IEEE Conference on Computer Vision and Pattern Recognition(CVPR)接收，CVPR是計算機視覺、模式識别及人工智能等領域極具影響力的國際頂級會議，也是CCF推薦的A類會議。論文研究工作由博士生史一岐（第一作者）和劉铎（第二作者）在張立國老師（通訊作者）的指導下共同完成。
論文的研究内容為基于無監督學習的低光照圖像增強，該任務所涉及的映射關系學習和去噪主要面臨三類挑戰：一是由于低光環境複雜導緻的數據量有限，進而影響數據映射的精度；二是真實噪聲遵循與傳感器成像過程緊密相關的複雜分布，這降低了數據映射的準确性；三是實際操作中數據對齊問題導緻的成對真實數據質量較低，進而影響數據映射的可靠性。所提出的ZERO-IG為解決上述問題做出了技術突破。ZERO-IG能改善極低光照條件下捕獲的圖像，其創新之處在于以光照為指導，建立了增強與去噪之間的耦合關系。采用Zero-Shot的方式，該方法無需依賴任何訓練數據以及特定噪聲的分布知識，即可實現低光/微光圖像的自适應增強。
ZERO-IG通過分析圖像的内在光照信息，緊密集成了去噪和增強，避免了處理過程中常見的圖像增強問題，比如欠增強或局部過曝。此外，該方法引入了一種從原始低光圖像中生成下采樣圖像對的策略，這不僅有效降低了噪聲，而且為精确估計圖像的照明條件提供了基礎，實現了整體亮度的提升和細節的增強。同時ZERO-IG創新地提出了反射圖去噪策略，這一策略的核心在于利用光照信息來輔助去噪過程，将反射圖像與光照連接，并保持去噪前後光照的恒定性。鑒于反射圖像是從低光圖像和光照中衍生出來的，它們之間的計算關系是客觀不變的，因此，ZERO-IG通過反射圖（亮化的圖像）提供充足的信息，在不改變噪聲特征和分布的前提下，從低光圖像中去除了原始噪聲，最終獲得了高質量的增強圖像。
作者團隊以哈工程校園建築和風景為素材，曆時半年拍攝和篩選了上萬張不同光照條件的照片，以此構建全新的數據集。所提出的ZERO-IG方法可為智慧交通、軍事偵測、安防監控和視覺導航等領域提供技術支撐，能顯著提高檢測、識别和定位的精度與效率。
