[1] 张泽，郑赫，洪瑞，等.用于微光图像增强的深颜色一致性网络[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:1899-1908。
[2] 祖佳贞，周永霞，陈乐.结合注意力的双分支残差低光照图像增强[J] 《中国科学院学报》，2023,43（4）：1240-1247。
ZU J Z，ZHOU Y X，CHEN L.双分支残余微光图像增强与注意相结合[J]。计算机应用杂志，2023,43（4）：1240-1247。
[3] 坎杜拉·P，SUIN M，RAJAGOPALAN A N.光照适应性非配对弱光增强剂[J]。IEEE视频技术电路和系统汇刊，2023,33（8）：3726-3736。
[4] 赵军辉，吴玉峰，胡坤融，等.基于门诊化验室色彩空间和色调映射的彩色图像增强算法[J] .阿联酋，2018,45（2）：297-300。
赵建华，吴艳芳，胡锦荣，等.基于实验室颜色空间和色调映射的彩色图像增强算法[J]。计算机科学，2018,45（2）：297-300。
[5] 曹红燕，刘长明，沈小林，等.基于自适应阈值和局部色调映射的低照度图像处理[J] ●●●●。激光与光电子学进展，2021，58（4）：227-234.
曹海英，刘春明，沈晓林，等.基于自适应阈值和局部色调映射的低照度图像处理[J]。激光与光电子进展，2021,58（4）：227-234。
[6] 庞泽邦，芦碧波，谷亚楠，等.基于交叉分解的高动态范围图像色调映射算法[J] ●●●●。激光与光电子学进展，2021，58（14）：296-303.
PANG Z B，LU B B，GU Y N，等。基于交叉分解的高动态范围图像色调映射算法[J]。激光与光电子进展，2021,58（14）：296-303。
[7] 朱世松，秦嬴，郑艳梅，等.色度亮度协同滤波的色调映射算法[J] .2022,37（1）：77-85。
朱素生，秦毅，郑永明，等.色度-亮度协同滤波的色调映射算法[J]。中国液晶与显示器杂志，2022,37（1）：77-85。
[8] 郭永坤，朱彦陈，刘莉萍，等.空频域图像增强方法研究综述[J] ●●●●。计算机工程与应用，2022，58（11）：23-32.
郭永康，朱永中，刘丽萍，等.空频域图像增强方法研究综述[J]。计算机工程与应用，2022,58（11）：23-32。
[9] 江巨浪，刘国明，朱柱，等.基于快速模糊聚类的动态多直方图均衡化算法[J] .《报告》，2022,50（1）：167-176。
姜建林，刘国明，朱忠，等.基于快速模糊聚类的动态多直方图均衡化[J]。电子学报，2022,50（1）：167-176。
[10] 王利娟，常霞，任旺.基于加权直方图均衡化彩色图像增强仿真[J] .《中国日报》，2021,38（12）：126-131。
王立杰，常X，任伟.基于加权直方图均衡化的彩色图像增强仿真[J]。计算机模拟，2021,38（12）：126-131。
[11] 杨嘉能，李华，田宸玮，等.基于自适应校正的动态直方图均衡算法[J] ●●●●。计算机工程与设计，2021，42（5）：1264-1270.
杨建恩，李华，田春伟，等.基于自适应校正的动态直方图均衡化[J]。计算机工程与设计，2021,42（5）：1264-1270。
[12] 康利娟，陈先桥.基于多级直方图形状分割的图像对比度增强技术[J] ●●●●。计算机应用与软件，2022，39（3）：207-212.
康立杰，陈晓青.基于多级直方图形状分割的图像对比度增强技术[J]。计算机应用与软件，2022,39（3）：207-212。
[13] JEBADASS J R，BALASUBRAMANIAM P。基于区间值直觉模糊集和对比度受限自适应直方图均衡化的彩色图像低对比度增强技术[J]。软计算，2022,26（10）：4949-4960。
[14] 侯利霞，聂丰英，万里勇.多尺度自适应伽马射线矫正的低照图像增强[J] 《南方日报》(自然科学版），2023，45（1）：57-66.
HOU L X，NIE F Y，WAN L Y。基于多尺度自适应伽马校正的低照度图像增强[J]。云南大学学报（自然科学版），2023,45（1）：57-66。
[15] 杨先凤，李小兰，贵红军.改进的自适应伽马变换图像增强算法仿真[J] .仿，2020,37（5）：241-245。
YANG X F，LI X L，GUI H J.基于改进自适应Gamma变换的图像增强算法仿真[J]。计算机模拟，2020,37（5）：241-245。
[16] DONG X，WANG G，PANG Y，等.低光视频增强的快速高效算法[C]//IEEE多媒体与博览会国际会议，2010:37-53。
[17] 刘峰，王信佳，于波，等.基于暗原色先验的低照度视频增强算法[J] ●●●●。计算机系统应用，2019，28（6）：165-171.
刘峰，王晓杰，于斌，等.基于暗通道先验的低亮度视频增强算法[J]。计算机系统与应用，2019,28（6）：165-171。
[18] 王硕，陈金玉.自适应校正透射率的暗通道先验去雾算法[J] ●●●●。计算机工程与应用，2021，57（13）：207-211.
王S，陈建勇.自适应校正透射率的暗通道先验消雾算法[J]。计算机工程与应用，2021,57（13）：207-211。
[19] 李丹，石辉，王辉，等.基于暗通道的图像增强方法[C]//2022国际计算机工程与人工智能会议，2022:200-204。
[20] 兰德·E·H，MCCANN J·J·轻与视网膜理论[J]。美国光学学会杂志，1971,61（1）：1-11。
[21]FUNT B V，CIUREA F，MCCANN J J.Retinex，在Matlab中[J]。电子成像杂志，2000,13（1）：112-121。
[22]JOBSON D J，RAHMAN Z，WOODEL G A.中心/环绕视网膜的特性和性能[J]。IEEE图像处理汇刊，1997，6（3）：451-462。
[23]JOBSON D J，RAHMAN Z，WOODELL G A.一种多尺度视网膜，用于弥合彩色图像与人类观察场景之间的差距[J]。IEEE图像处理汇刊，1997，6（7）：965-976。
[24]RAHMAN Z，JOBSON D J，WOODELL G A.自动图像增强的Retinex处理[J]。电子成像杂志，2004,13（1）：100-110。
[25] 常戬，刘鑫姝.空间转换与自适应灰度校正的低照度图像增强[J] 《工程》，2023,49（6）：193-200。
CHANG J，LIU X S.基于空间变换和自适应灰度校正的低照度图像增强[J]。计算机工程，2023,49（6）：193-200。
[26] 苏康友，王晓刚，柳革命.改进同态滤波算法的光照不均匀图像增强研究[J] 《杂志》，2022,43（9）：103-108。
SU K Y，WANG X G，LIU G M。非均匀光照下图像增强的改进Retinex算法[J]。激光杂志，2022,43（9）：103-108。
[27] 李淼，周冬明，刘琰煜，等.结合深度残差神经网络与同态滤波理论的低照度图像增强[J] 《南方日报》(自然科学版），2021，43（4）：690-699.
李明，周德明，刘玉英，等.基于深度神经网络和视网膜理论的微光图像增强[J]。云南大学学报（自然科学版），2021,43（4）：690-699。
[28]PAN X，LI C，PAN Z，等.基于视网膜理论改进光照图的微光图像增强方法[J]。应用科学，2022,12（10）：5257。
[29]YANG J，WANG J，DONG L L，等.基于Retinex理论的微光图像增强优化算法[J]。IET图像处理，2022,17（2）：505-517。
[30]马Q，王毅，曾T.基于Retinex的微光图像增强和去噪变分框架[J]。IEEE多媒体汇刊，2022:1-9。
[31]LIN Y H，LU Y C.使用带收缩映射的即插即用视网膜模型进行低光增强，用于光照估计[J]。IEEE图像处理汇刊，2022,31:4897-4908。
[32] 王殿伟，邢质斌，韩鹏飞，等.基于模拟多曝光融合的低照度全景图像增强[J] ●●●●。光学精密工程，2021，29（2）：349-362.
王德伟，邢志斌，韩鹏飞，等.基于模拟多曝光融合的低照度全景图像增强算法[J]。光学与精密工程，2021,29（2）：349-362。
[33]RAO Y，LIN W Y，CHEN L.基于图像的融合在夜间监控视频增强中的应用[J]。光学工程，2010,49（12）：120501。
[34] 翟海祥，何嘉奇，王正家，等.改进同态滤波与多图像融合算法用于低照度图像增强[J] 《科技》，2021,43（10）：987-993。
ZHAI H X，HE J Q，WANG Z J，等.改进的Retinex和多图像融合算法在低照度图像增强中的应用[J]。红外技术，2021,43（10）：987-993。
[35]UEDA Y，KOGA T，SUETAKE N.使用凸组合系数的多类型变换进行基于Fusion的背光图像增强[C]//2022 IEEE国际图像处理会议（ICIP），2022:2971-2975。
[36]张毅，张杰，郭欣.点燃黑暗：一种实用的微光图像增强器[C]//第27届ACM国际多媒体会议论文集，2019:1632-1640。
[37]张毅，郭X，马杰，等.除增亮微光图像外[J]。国际计算机视觉杂志，2021129（4）：1013-1037。
[38]王毅，WAN R，YANG W，等.基于归一化流的微光图像增强[C]//AAAI人工智能会议论文集，2022:2604-2612。
[39]姜坤，王志毅，王志，等.降级即升级：低光图像增强的学习降级[C]//《AAAI人工智能会议论文集》，2022:1078-1086。
[40]徐克，陈赫，谭X，等.HFMNet：用于微光图像增强的层次化特征挖掘网络[J]。IEEE仪器仪表与测量汇刊，2022,71。
[41]LU Y，GUO Y，LIU R W，等.MTRBNet：基于多分支拓扑残差块的微光增强网络[J]。IEEE信号处理信函，2022,29:127-1131。
[42]庄Y，郑Z，LYU C.DPFNet：一种基于相位傅里叶卷积的双分支扩张网络在微光图像增强中的应用[J].arXiv:2209.079372022。
[43]FAN G，FAN B，GAN M，等.带光照约束的多尺度微光图像增强网络[J]。IEEE视频技术电路和系统汇刊，2022,32（11）：7403-7417。
[44]高世华，程明明，赵可，等.Res-2-Net：一种新的多尺度骨干网体系结构[J]。IEEE模式分析和机器智能汇刊，2021,43（2）：652-662。
[45]吴伟，翁J，张鹏，等.URetinex-Net:基于retinex的微光图像增强深度展开网络[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:5901-5910。
[46]卢克，张丽泰：一种用于微光图像增强的双分支曝光融合网络[J]。IEEE多媒体汇刊，2020,23:4093-4105。
[47]卢H，龚J，刘Z，等.FDMLNet：一种用于增强微光图像的频域多尺度学习网络[J]。传感器，2022,22（21）：8244。
[48]徐坤，陈华，徐C，等.用于微光图像增强的结构-纹理网络[J]。IEEE视频技术电路和系统汇刊，2022,32（8）：4983-4996。
[49]GARG A，PAN X W，DUNG L R.LiCENt：利用HSL光通道进行微光图像增强[J]。IEEE接入，2022,10:33547-33560。
[50]陈J，连清，张欣，等.Hcsam-Net：基于卷积和自关注混合机制的多级网络在微光图像增强中的应用[J]。SSRN，2022:4237486。
[51]YANG Y，HU W，HUANG S，等.基于多流信息补充的微光图像增强网络[J]。多维系统与信号处理，2022,33:711-723。
[52]金毅，杨伟，谭荣堂.无监督夜间图像增强：当层分解遇到光效应抑制时[J].arXiv:2207.105642022。
[53]郭C，李C，郭J，等.用于微光图像增强的零参考深曲线估计[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020:1780-1789。
[54]LI C，GUO C，LOY C C.通过零参考深度曲线估计学习增强微光图像[J].arXiv:2103.008602021。
[55]蒋毅，龚X，刘德，等.启蒙：无配对监督的深光增强[J]。IEEE图像处理汇刊，2021,30:2340-2349。
[56]FU Y，HONG Y，CHEN L，et al.LE-GAN：使用注意力模块和身份不变损失的无监督微光图像增强网络[J]。基于知识的系统，2022240:108010。
[57]NI Z，YANG W，WANG H，et al.用于鲁棒无监督微光增强的循环交互生成对抗网络[C]//第30届ACM国际多媒体会议论文集，2022:1484-1492。
[58]王荣，姜斌，杨C，等.马根：混合注意力引导下的无监督微光图像增强[J]。大数据挖掘与分析，2022,5（2）：110-119。
[59]乔杰，王X，陈J，等.基于防注意块的生成性对抗网络的微光图像增强[J]。电子学，2022,11（10）：1627。
[60]徐伟，陈X，郭H，等.无监督图像恢复与质量任务感知损失[J]。IEEE视频技术电路和系统汇刊，2022,32（9）：5736-5747。
[61]姜强，毛毅，CONG R，等.微光图像增强的无监督分解与校正网络[J]。IEEE Transactionson Intelligent Transportation Systems，2022,23（10）19440-19455。
[62]ZHU J Y，PARK T，ISOLA P，et al.使用循环一致对抗网络的未配对图像到图像转换[C]//IEEE计算机视觉国际会议论文集，2017:2223-232。
[63]BHATTACHARYA J，MODI S，GREGORAT L等人D2BGAN：一种用于质量增强和分析任务的暗到亮图像转换模型，无需配对监督[J]。IEEE接入，2022,10:57942-57961。
[64]WEI C，WANG W，YANG W，et al.用于微光增强的深层视网膜色素分解[J]。arXiv:1808.045602018。
[65]蔡J，顾S，张L.从多曝光图像中学习深度单图像对比度增强剂[J]。IEEE图像处理汇刊，2018年，27（4）：2049-2062。
[66]BYCHKOVSKY V，PARIS S，CHAN E，et al.使用输入/输出图像对数据库学习摄影全局色调调整[C]//IEEE计算机视觉和模式识别会议论文集，2011:97-104。
[67]CHEN C，CHEN Q，XU J，et al.学会在黑暗中看[C]//IEEE计算机视觉和模式识别会议论文集，2018:3291-3300。
[68]CHEN C，CHEN Q，DO M N，et al.黑暗中的视觉运动[C]//IEEE/CVF计算机视觉国际会议论文集，2019:3185-3194。
[69]LOH Y P，CHAN C S.了解只有暗数据集的微光图像[J]。计算机视觉和图像理解，2019178:30-42。
[70]KALANTARI N K，RAMAMOORTHI R.动态场景的深-高动态范围成像[J]。ACM图形学报，2017年，36（4）：1-12。
[71]HOWARD A G，ZHU M，CHEN B，等.移动设备：用于移动视觉应用的高效卷积神经网络[J].arXiv:1704.048612017。
[72]刘J J，HOU Q，CHENG M M，等.用自校准卷积改进卷积网络[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020:10096-10105。
[73]刘C，ZOPH B，NEUMANN M，等.渐进式神经架构搜索[C]//欧洲计算机视觉会议论文集，2018:19-34。
[74]刘C，陈立中，SCHROFF F，等.Auto-deeplab:语义图像分割的层次神经结构搜索[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2019:82-92。
[75]DOSOVITSKIY A，BEYER L，KOLESNIKOV A，et al.图像值16x16个单词：用于缩放图像识别的变换器[J].arXiv:2010.1192020。
[76]陈H，王毅，郭T，等.预处理图像处理变压器[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2021:12299-12310。
[77]沈恩，周波，谢杰，等.基于变压器网络的微光图像增强[C]//2022年第四届国际图像、视频和信号处理会议，2022:41-47。
[78]杨斯，周德，曹杰，等.通过变换器GAN重新思考微光增强[J]。IEEE信号处理快报，2022,29:1082-1086。
[79]KHAN S，NASEER M，HAYAT M，等.视觉中的变形金刚：一项调查[J]。ACM计算调查（CSUR），2022,54（10s）：1-41。
[80] 刘文婷，卢新明.基于计算机视觉的变压器进展[J]。计算机工程与应用，2022，58（6）：1-16.
刘文堂，吕晓明。基于计算机视觉的变压器研究进展[J]。计算机工程与应用，2022,58（6）：1-16。
[81]方毅，朱赫，曾毅，等.智能手机摄影的感知质量评估[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020:3677-3686。
[82]TALEBI H，MILANFAR P.NIMA：神经影像评估[J]。IEEE图像处理汇刊，2018,27（8）：3998-4011。
[83]HYUN K T，MU L K，SCHOLKOPF B，et al.基于动态时间混合网络的在线视频去模糊[C]//IEEE计算机视觉国际会议论文集，2017:4038-4047。
[84]EHRET T，DAVY A，MOREL J M，et al.基于帧到帧训练的模型盲视频去噪[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2019:11369-11378。
[85]CHAN K C K，WANG X，YU K，et al.基础VSR：视频超分辨率及其以外的基本组件搜索[C]//IEEE/CVF计算机视觉和模式识别会议论文集，2021:4947-4956。
[86]王X，于克，董C，等.利用深度空间特征变换恢复图像超分辨率中的真实纹理[C]//IEEE计算机视觉与模式识别会议论文集，2018:606-615。
[87]CHAN K C K，WANG X，XU X，et al.Glean：大系数图像超分辨率的生成潜在库[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2021:14245-14254。
[88]李X，陈C，周S，等.基于深度多尺度分量字典的盲脸恢复[C]//欧洲计算机视觉会议。查姆：施普林格，2020:399-415。
[89]梁德，李力，魏明，等.基于语义对比学习的微光图像增强[C]//美国人工智能学会人工智能会议论文集，2022:1555-1563。 |
