1. 研究目的与意义（文献综述）

生活中的图像拍摄经常会遇到光照不足的情况，导致拍摄出来的照片图像质量较低并具有大量噪声，尤其是计算机视觉高度发展的今天，图像的低质量和大量噪声可会造成非常严重的影响。例如在夜晚时分，因为低照度的光照往往会导致监控系统拍摄的车牌照片模糊不清，从而不利于监控等设备的正常运行。在智能交通和监控系统迅速发展的今天，图像的采集需要能够在包括低光照的不同的条件下稳定工作，因此，低光照图像的增强与去照就显得尤为重要了。

低照度图像是指在光照水平较低或者环境光、背景光微弱的条件下采集到的，因此低照度图像普遍存在灰度水平低、信息不明显和噪声含量高等特点。

针对低照度图像的这些特点，一系列的低照度图像增强方法被提出，其中列举一些如下：

2. 研究的基本内容与方案

本次设计的基本内容与目标主要是对低照度图像进行研究分析，并且对低照度图像完成增强和去噪两部分工作。

在本次设计中的图像增强部分中，我们采用的是基于去雾技术的低照度图像增强方法。通过将低照度图像经过翻转并与有雾条件下获取的图像进行比较，证实了经翻转的低照度图像与有雾图像呈现了较大的相似性。因此，在图像增强方面，本研究采用基于去雾技术的低照度图像增强技术。

在本次设计中的图像去噪部分中，我们采用的是一种卷积盲去噪网络（cbdnet），它主要有以下优点：

3. 研究计划与安排

(1)1～2周：查找相关资料，提出毕设选题，完成开题报告。

(2)3～4周：阅读相关专业论文、博客，了解学习图像增强、去噪方法；

(3)5～7周：尝试复现论文、博客中传统方法与基于深度学习方法；

4. 参考文献（12篇以上）

[1] he k, sun j, tang x. single image haze removal using darkchannel prior[j]. ieeetransactions on pattern analysis and machineintelligence, 2011, 33(12): 2341-2353.
[2] remez t, litany o, giryes r, et al. deep convolutional denoising oflow-light images[j].arxiv preprint arxiv:1701.01687, 2017.
[3] zhang x, shen p, luo l, et al. enhancement and noise reduction of very lowlight levelimages[c]//proceedings of the 21st international conference onpattern recognition(icpr2012). ieee, 2012: 2034-2037.
[4] dalasari v g k, jayanty s k. low light video enhancement along withobjective andsubjective quality assessment[j]. 2016.

[5] romano y, elad m, milanfar p. the little engine that could:regularization by denoising (red)[j]. siam journal on imaging sciences, 2017,10(4): 1804-1844.

[6] plotz t, roth s. benchmarking denoising algorithms withreal photographs[c]//proceedings of the ieee conference on computer vision andpattern recognition. 2017: 1586-1595.