学位论文简介

图像作为计算机视觉系统感知外部环境的重要信息来源，图像质量对后续计算机视觉任务的精准性具有至关重要的影响，因此高质量的图像对于计算机视觉系统具有重要意义。本文对不可避免的自然低光照场景下所捕获的图像展开深入研究，并基于深度学习提出三种低光照图像增强方法来提高低光照图像的质量，并将本文的增强方法应用到实际的工作场景。

（1）针对现有网络模型不能充分恢复低光照图像纹理细节信息导致增强后的图像纹理细节损失的问题，本文提出了一种基于多尺度和上下文学习网络的低光照图像增强方法，提取局部和全局的多尺度特征，捕获像素间的长距离依赖关系来增强图像的纹理细节，一种上下文编码器提取像素上下文信息和局部特征，利用多头自注意力捕捉全局和局部特征之间的长距离依赖关系，从而使网络模型能够根据全局上下文信息自适应地增强局部区域的特征，避免了增强过度或增强不足的问题。增强后的图像具有丰富的纹理细节信息和清晰自然的增强效果。

（2）针对低光照图像增强的颜色失真和噪声放大问题，提出一种基于域对齐网络的低光照图像增强方法，利用距离差异来估算图像的信噪比，并将其作为域特征融合的有效先验知识。利用卷积-Transformer 的双编码器模块，其中一个编码器，将正常光照图像映射到潜在空间特征，另一个编码器将低光照图像映射到潜在空间特征，利用域对齐函数将两个隐藏空间的特征分布对齐到同一域中，实现两个域之间的特征对齐。本文提出的方法能在图像增强的过程中有效抑制被放大的噪声，增强后的图像具有噪声低、颜色自然的增强效果。

（3）针对低光照图像增强中的图像光照不均匀的问题，提出了一种基于局部隐式小波变换的低光照图像增强方法，设计了光照增强子网络，通过颜色空间变换从亮度通道中提取亮度感知特征来增强图像光照，设计了细节恢复子网络，利用小波互投影融合、小波感知隐式注意力和图像的高频先验信息来恢复图像的高频细节信息。本文提出的方法能有效增强图像的光照、细节信息。

（4）本文针对实际应用场景，开展了低光图像增强方法的应用研究。具体而言，将本文提出的低光图像增强方法分别应用于夜间人脸检测任务和国家重点研发计划项目——退役产品智能拆解生产线关键技术及管控系统任务。本文提出的方法能够显著提升夜间人脸检测的准确率以及动力电池拆解的效率，同时在图像视觉质量方面也取得了更好的效果；开发的拆解物料管控系统提高了企业的生产效率。

主要学术成果

[1] Qiao Li , Bin Jiang, Xiaochen Bo, Chao Yang, Xu Wu. "Effective low-light image enhancement with multiscale and context learning network", Multimedia Tools and Applications 2023（82）:15271–15286. （一作，SCI中科院4区）

[2] Qiao Li , Bin Jiang, Xiaochen Bo, Chao Yang, Xu Wu. " DANet: A Domain Alignment Network for Low-Light Image Enhancement." Electronics 2024, 13(15) : 2-15. （一作，SCI中科院4区）

[3] Zheng Jianbo, Li Qiao, and Jiang Bin. "Intelligent maintenance of disassembly production line." Proceedings of the International Conference on Computer Vision and Deep Learning. 2024. （二作，EI会议）

[4] Bin Jiang, Renjun Wang,Jiawu Dai, Qiao Li, Weiyuan Zeng,. "FBGAN: multi-scale feature aggregation combined with boosting strategy for low-light image enhancement. IEEE Transactions on Multimedia.Visual Computer." IEEE Transactions on Transportation Electrification, 2025.（四作，SCI中科院3区）

[5] 蒋斌，李桥。一种基于多尺度和上下文学习网络的低照度图像增强方法，专利号：ZL202210652706.0,授权时间：2024.9。

[6] 蒋斌，李桥，一种局部尺度感知的低照度图像增强方法,专利申请编号：202410502578.0,时间：2024.6（实质审查）。

[7] 李桥，作为主要研发骨干，参与国家重点研发计划项目：“网络协同制造和智能工厂”重点专项：退役产品智能拆解生产线关键技术及管控系统，课题编号：2020YFB1713003,执行期限：2020.11.-2023.10

[8] 李桥，参与国家自然科学基金面上项目：面向自然场景的高效智能感知研究,课题编号：62072169,时间：2021.1.-2024.12。

[9] 李桥，参与国家自然科学基金面上项目：基于视觉和知识协同感知的视觉对话分析与建模,课题编号：62172156,时间：2022.1.-2025.12。