弱光图像增强的集合，包含纸张...等相关Matlab代码。

简介：
该篇关于全变差去噪的Matlab代码，以及用于低光图像增强的论文和配套代码的评论，与相关的研究成果[2021IJCV]进行对比，并指出其在微光图像增强方面的优势超越[2020IEEEACCESS]。此外，本文还对基于实验的弱光图像增强方法进行了综述，并探讨了基于He算法的方法以及Retinex算法[2020年提示]。 进一步地，研究者们提出了LR3M：通过低阶正则化Retinex模型实现鲁棒的微光增强[2018技巧]，并利用稳健的Retinex模型来揭示微光图像中的结构信息。此外，MF：同时反射率和照度估计的加权变分模型[2017提示]也得到了介绍。 随后，LIME：通过照明贴图估计进行低光图像增强的方法被探讨，并考察了基于降噪的监督深度学习算法[2021技巧]。 此外，稀疏的梯度正则化深度Retinex网络也被提出，用于实现鲁棒的弱光图像增强（）。 最后, 预印本[2019预印本]研究了学习通过分解和增强来还原弱光图像；同时, 注意引导的微光图像增强[2018BMVC], Retinex-Net：用于弱光增强的深度Retinex分解[2018FG], GLADNet：具有全球意识的弱光增强网络[2018CVPR], 以及DRBN: 从... 等相关工作也得到了涉及。