CTNet：基于HSV-RGB色彩空间协同转换的低光照图像增强网络

本文提出CTNet（色彩转换网络），通过HSV与RGB色彩空间的协同特征交互解决低光照图像增强（LLIE）中的色彩失真问题。创新性地设计色彩转换块（Color Transformation Block）和交叉集成块（Cross Integration Block），实现双色彩空间注意力驱动下的特征融合，在PSNR、SSIM等指标上超越现有方法。项目已开源。

　　

Highlight

低光照图像常受低可见度、低对比度和高噪声困扰，严重影响视觉质量与下游任务性能。现有方法难以解决色彩偏移（color casting）、伪影等退化问题。

Method

如图4所示，CTNet通过HSV分支增强V分量并提取H/S特征，同时利用可学习的色彩转换块模拟HSV→RGB转换过程。交叉集成块采用基于注意力的跨空间引导机制，实现双色彩空间双向信息流。

Datasets and Evaluation Metrics

实验涵盖LOL、SID等8个数据集，采用PSNR、SSIM、LOE_reference和LPIPS^Learned指标评估，其中PSNR/SSIM值越高代表质量越好，LOE/LPIPS值越低越好。

Conclusion

CTNet通过HSV-RGB空间协同转换显著改善低光照图像色彩还原，其模块化设计为多色彩空间特征交互提供了可解释性方案。

（注：原文中生命科学相关内容较少，翻译时侧重保留计算机视觉领域专业表述）