低照度图像增强算法产品系统

夜间监控、车载摄像、工业检测、医疗内窥等场景中，光照不足会导致图像偏暗、细节丢失、噪声明显，直接影响人眼观察和后续目标检测、缺陷识别的准确性。本项目旨在对低照度图像进行亮度恢复与细节增强，同时抑制噪声，为安防监控、智能交通、机器视觉等应用提供清晰可靠的图像输入。

1. 图像预处理：读入低照度图像，做归一化和颜色空间转换。2. 亮度与对比度恢复：自适应提升暗区亮度，同时避免高光过曝。3. 噪声感知增强：估计图像噪声水平并加权，在提亮的同时抑制噪声放大。4. 细节与色彩保持：保留纹理边缘，减少色偏。5. 性能评估：支持 PSNR、SSIM 等指标批量测试，以及增强前后对比可视化。

本人负责算法设计、模型实现与实验验证。技术栈为 Python、PyTorch、OpenCV、NumPy。难点在于提亮暗区时噪声会同步放大，过度提亮又会导致色偏。本项目引入噪声感知加权机制平衡亮度恢复与噪声抑制。在 LOL-v2 Real 和 Synthetic 公开数据集上，PSNR 指标优于对比方法，相关论文正在撰写中。