一种基于PairLIE和元学习的快速低照度图像增强方法及系统
本发明涉及一种基于PairLIE和元学习的快速低照度图像增强方法及系统,目的在于,使低照度图像增强模型能够从多种低照度任务中学习具有良好通用性和迁移能力的模型初始参数。当模型面对未参与训练的新光照条件或新场景时,仅需使用少量低照度图像并进行少数次参数更新,即可快速适应当前低照度图像的退化特征,从而减少针对新场景进行大规模重新训练所需的时间和计算资源。同时,本发明利用PairLIE基于成对低照度图像的自监督学习机制,通过对图像的光照分量和反射分量进行分解与约束,在不依赖严格配对的正常照度参考图像的情况下完成模型训练,以降低正常照度参考数据的采集和标注成本,并减少模型对大规模成对训练数据的依赖。