哈尔滨工程大学计算机科学与技术学院师生撰写的论文“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是计算机视觉、模式识别及人工智能等领域极具影响力的国际顶级会议，也是CCF推荐的A类会议。论文研究工作由博士生史一岐（第一作者）和刘铎（第二作者）在张立国老师（通讯作者）的指导下共同完成。
论文的研究内容为基于无监督学习的低光照图像增强，该任务所涉及的映射关系学习和去噪主要面临三类挑战：一是由于低光环境复杂导致的数据量有限，进而影响数据映射的精度；二是真实噪声遵循与传感器成像过程紧密相关的复杂分布，这降低了数据映射的准确性；三是实际操作中数据对齐问题导致的成对真实数据质量较低，进而影响数据映射的可靠性。所提出的ZERO-IG为解决上述问题做出了技术突破。ZERO-IG能改善极低光照条件下捕获的图像，其创新之处在于以光照为指导，建立了增强与去噪之间的耦合关系。采用Zero-Shot的方式，该方法无需依赖任何训练数据以及特定噪声的分布知识，即可实现低光/微光图像的自适应增强。
ZERO-IG通过分析图像的内在光照信息，紧密集成了去噪和增强，避免了处理过程中常见的图像增强问题，比如欠增强或局部过曝。此外，该方法引入了一种从原始低光图像中生成下采样图像对的策略，这不仅有效降低了噪声，而且为精确估计图像的照明条件提供了基础，实现了整体亮度的提升和细节的增强。同时ZERO-IG创新地提出了反射图去噪策略，这一策略的核心在于利用光照信息来辅助去噪过程，将反射图像与光照连接，并保持去噪前后光照的恒定性。鉴于反射图像是从低光图像和光照中衍生出来的，它们之间的计算关系是客观不变的，因此，ZERO-IG通过反射图（亮化的图像）提供充足的信息，在不改变噪声特征和分布的前提下，从低光图像中去除了原始噪声，最终获得了高质量的增强图像。
作者团队以哈工程校园建筑和风景为素材，历时半年拍摄和筛选了上万张不同光照条件的照片，以此构建全新的数据集。所提出的ZERO-IG方法可为智慧交通、军事侦测、安防监控和视觉导航等领域提供技术支撑，能显著提高检测、识别和定位的精度与效率。
