⚡ electrical engineering

Bright-Channel Retinex Enhancement with a Conditional Overdispered-Noise Analysis

यह शोध पत्र एक प्रशिक्षण-मुक्त निम्न-प्रकाश संवर्धन (low-light enhancement) विधि प्रस्तुत करता है जो स्थानीय ब्राइट-चैनल इल्यूमिनेशन अनुमान को रेटिनेक्स डिवीजन और एज-प्रिजर्विंग डिनोइजिंग के साथ जोड़ता है, जिसमें हेटेरोसेडास्टिक शोर (heteroscedastic noise) को चित्रित करने के लिए एक कंडीशनल नेगेटिव बाइनोमियल सूडो-काउंट विश्लेषण का उपयोग किया गया है, जिससे CPU पर उच्च प्रसंस्करण गति के साथ LOL-v1 डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

मूल लेखक: Jongpil Jeong

प्रकाशित 2026-08-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jongpil Jeong

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक अंधेरे कमरे में अपने एक दोस्त की फोटो खींचने की कोशिश कर रहे हैं। आप जानते हैं कि कैमरा सेंसर रोशनी के लिए भूखा है, लेकिन जब उसे पर्याप्त रोशनी नहीं मिलती, तो तस्वीर दानेदार और शोर (नॉइज़) से भरी हो जाती है। यह सिर्फ एक खराब कैमरा नहीं है; यह भौतिक विज्ञान का एक मौलिक नियम है। प्रकाश फोटोन नामक छोटे पैकेटों के रूप में आता है, और अंधेरे में, ये पैकेट छिटपुट रूप से आते हैं, जैसे तूफान में टिन की छत पर गिरती बारिश की बूंदें। जब आप बाद में फोटो को चमकाने की कोशिश करते हैं, तो आप केवल एक साफ सिग्नल की आवाज़ नहीं बढ़ा रहे होते; आप तस्वीर के साथ उस अराजक "स्टैटिक" (शोर) को भी बढ़ा रहे होते हैं। यह कम रोशनी वाले इमेज एन्हांसमेंट (low-light image enhancement) की दुनिया है, एक ऐसा क्षेत्र जहाँ वैज्ञानिक तस्वीरों को शोर से बनी एक अमूर्त कलाकृति में बदले बिना, उन्हें अंधेरे से बचाने की कोशिश करते हैं।

दशकों से, शोधकर्ता यह अनुमान लगाने की कोशिश कर रहे हैं कि मूल प्रकाश कैसा दिखता था और उस अनुमान से शोर भरी फोटो को विभाजित करके इसे हल करने का प्रयास कर रहे हैं। यह शोर के ऊपर चिल्लाकर किसी फुसफुसाहट को सुनने की कोशिश करने जैसा है। कुछ आधुनिक तरीके हजारों तस्वीरों पर प्रशिक्षित विशाल कृत्रिम बुद्धिमत्ता (AI) मस्तिष्क का उपयोग करते हैं ताकि उत्तर का अनुमान लगाया जा सके, लेकिन इनके लिए भारी मात्रा में डेटा की आवश्यकता होती है और ये "ब्लैक बॉक्स" की तरह काम करते हैं जिन्हें कोई पूरी तरह से समझ नहीं पाता। सवाल अभी भी बना हुआ है: क्या हम इन अंधेरी तस्वीरों को बिना किसी सुपरकंप्यूटर या विशाल डेटासेट के, सरल, चतुर गणित और भौतिकी के नियमों का उपयोग करके ठीक कर सकते हैं?

यहाँ BRINEX नामक एक नई विधि आती है, जो एक चतुर, ट्रेनिंग-मुक्त दृष्टिकोण है जो एक अंधेरी फोटो को प्रकाश और छाया की एक पहेली की तरह मानती है। मुख्य विचार सरल है: पहले यह पता लगाएं कि रोशनी कहाँ होनी चाहिए, फिर छिपे हुए विवरणों को प्रकट करने के लिए अंधेरी फोटो को उस अनुमान से विभाजित करें। लेकिन यहाँ एक मोड़ है: लेखक ने महसूस किया कि जब आप एक अंधेरी, शोर वाली छवि को प्रकाश के अनुमान से विभाजित करते हैं, तो शोर केवल बढ़ता ही नहीं है; वह अजीब तरह से अप्रत्याशित हो जाता है। यह वैसा ही है जैसे यदि आप एक डगमगाते हुए जेली को रूलर से मापने की कोशिश करें; जितना अधिक आप दबाव डालेंगे, डगमगाहट उतनी ही बढ़ जाएगी।

इसे संभालने के लिए, यह पेपर "कंडीशनल ओवरडिस्पर्सड-नॉइज़ एनालिसिस" (conditional overdispersed-noise analysis) पेश करता है। इसे अंधेरे में शोर कैसे व्यवहार करता है, इसके लिए एक विशेष नियम पुस्तिका के रूप में समझें। शोर एक स्थिर, उबाऊ गुनगुनाहट (hum) है, यह मानने के बजाय, लेखक एक सांख्यिकीय मॉडल का उपयोग करते हैं जिसे नेगेटिव बिनोमियल (Negative Binomial) वितरण कहा जाता है। कल्पना कीजिए कि लोगों की एक भीड़ तालियाँ बजा रही है। एक सामान्य स्थिति में, वे एक स्थिर लय (पॉइसन नॉइज़/Poisson noise) में तालियाँ बजाते हैं। लेकिन अंधेरे में, तालियाँ अनियमित और अराजक हो जाती हैं, जिसमें कुछ लोग पागलों की तरह तालियाँ बजाते हैं जबकि अन्य शांत रहते हैं (ओवरडिस्पर्सड नॉइज़)। पेपर दिखाता है कि यह अराजक व्यवहार बिल्कुल वही है जो तब होता है जब आप एक अंधेरी फोटो को चमकाते हैं।

पेपर का मुख्य निष्कर्ष एक दो-चरणीय रेसिपी है जो बिना किसी मशीन लर्निंग ट्रेनिंग के आश्चर्यजनक रूप से अच्छा काम करती है। पहले, यह छवि के छोटे पड़ोस में सबसे चमकीले स्थानों ( "ब्राइट चैनल") को देखकर एक "ब्राइटनेस मैप" बनाता है। यह इस मानचित्र का उपयोग प्रकाश की स्थितियों का अनुमान लगाने के लिए करता है। दूसरा, यह वास्तविक रंगों और वस्तुओं के आकार (रिफ्लेक्टेंस/reflectance) को प्राप्त करने के लिए मूल छवि को इस अनुमान से विभाजित करता है। हालाँकि, यह विभाजन बहुत सारा नया शोर पैदा करता है। इसे ठीक करने के लिए, लेखक एक "बायलेटरल फ़िल्टर" (bilateral filter) लागू करते हैं। आप इस फ़िल्टर को एक स्मार्ट ब्लेंडर के रूप में देख सकते हैं: यह सपाट क्षेत्रों (जैसे दीवार) में दानेदार शोर को चिकना कर देता है, लेकिन तीखे किनारों (जैसे चेहरे की रूपरेखा) के पार मिलने से इनकार कर देता है, जिससे तस्वीर स्पष्ट बनी रहती है।

लेखक स्पष्ट रूप से दो सामान्य विचारों के विरुद्ध तर्क देते हैं। पहला, वे दिखाते हैं कि जटिल "रेगुलराइजेशन" (गणितीय नियम जो सहजता के लिए मजबूर करते हैं) जोड़ने से वास्तव में तस्वीर की शार्पनेस और सटीकता और भी खराब हो जाती है। दूसरा, वे प्रदर्शित करते हैं कि जबकि उनका शोर मॉडल यह समझने के लिए शानदार है कि शोर क्यों होता है, उसे अंतिम फ़िल्टर बनाने के लिए उपयोग करने की आवश्यकता नहीं है। दूसरे शब्दों में, आपको एक बेहतरीन परिणाम पाने के लिए हर पिक्सेल के लिए जटिल गणितीय समीकरण को हल करने की आवश्यकता नहीं है; एक सरल, निश्चित फ़िल्टर बेहतर काम करता है।

15 लो-लाइट इमेजेस के एक मानक सेट पर परीक्षण किए जाने पर, इस पद्धति ने 17.74 dB (PSNR) और 0.739 (SSIM) का स्कोर प्राप्त किया, जो सभी पारंपरिक, गैर-AI तरीकों में सबसे अधिक था जिनसे इसकी तुलना की गई थी। इसने गति के मामले में कुछ पुराने, भारी-भरक AI मॉडलों को भी मात दी, जो एक मानक लैपटॉप प्रोसेसर पर लगभग 43 FPS (फ्रेम प्रति सेकंड) पर 400 × 600 की छवि को प्रोसेस कर सकता है। लेखक सावधानी से नोट करते हैं कि यह एक डायग्नोस्टिक मॉडल है—शोर को समझने का एक तरीका—न कि प्रत्येक कैमरा सेंसर का एक पूर्ण भौतिक विवरण। उन्होंने पाया कि जबकि उनका गणित शोर को समझाता है, सबसे व्यावहारिक समाधान एक सरल, किनारे-संरक्षण करने वाला (edge-preserving) फ़िल्टर था।

संक्षेप में, यह पेपर सुझाव देता है कि कभी-कभी अंधेरी फोटो को ठीक करने का सबसे अच्छा तरीका एक स्मार्ट AI बनाना नहीं है, बल्कि अंधेरे में प्रकाश की अराजक प्रकृति को समझना और उसे साफ करने के लिए एक सरल, किनारे-संरक्षण करने वाले उपकरण का उपयोग करना है। यह एक याद दिलाता है कि विज्ञान में, "क्यों" (शोर मॉडल) को समझने से बेहतर "कैसे" (सरल फ़िल्टर) की ओर ले जाया जा सकता है, भले ही शोर के पीछे का गणित अंतिम उत्पाद में सीधे उपयोग करने के लिए बहुत जटिल क्यों न हो।

तकनीकी सारांश: एक कंडीशनल ओवरडिस्पर्सड-नॉइज़ विश्लेषण के साथ ब्राइट-चैनल रेटिनेक्स एन्हांसमेंट

समस्या विवरण
कम रोशनी की स्थितियों में चित्र कैप्चर करना चुनौतीपूर्ण होता है क्योंकि फोटॉन की कमी (photon starvation) के कारण सिग्नल-डिपेंडेंट शॉट नॉइज़ और सेंसर रीड नॉइज़ बढ़ जाता है। जबकि रेटिनेक्स थ्योरी एक देखे गए चित्र $I$ को परावर्तन (reflectance) $R$ और इल्यूमिनेशन (illumination) $L$ के गुणनफल ( $I = R \cdot L$ ) के रूप में मॉडल करती है, बिना पर्यवेक्षण (supervision) के $R$ को पुनः प्राप्त करना कठिन बना हुआ है। पारंपरिक विधियाँ (जैसे गामा करेक्शन, CLAHE, LIME) इल्यूमिनेशन अनुमान त्रुटियों और पोस्ट-डिवीजन नॉइज़ के प्रति संवेदनशील होती हैं। इसके विपरीत, डीप लर्निंग दृष्टिकोणों के लिए व्यापक युग्मित (paired) डेटासेट की आवश्यकता होती है और उनमें भौतिक व्याख्यात्मकता (physical interpretability) का अभाव होता है। संबोधित किया गया मुख्य संकट यह है कि बिना किसी प्रशिक्षण (training-free) के इल्यूमिनेशन का अनुमान कैसे लगाया जाए और परावर्तन को कैसे प्राप्त किया जाए, जबकि विभाजन प्रक्रिया द्वारा प्रवर्धित होने वाले हेटरोसेडास्टिक नॉइज़ (heteroscedastic noise) को कैसे प्रबंधित किया जाए।

कार्यप्रणाली: BRINEX
यह शोध पत्र BRINX का प्रस्ताव करता है, जो एक ट्रेनिंग-फ्री विधि है जो लोकल ब्राइट-चैनल इल्यूमिनेशन एस्टीमेशन, रेटिनेक्स डिवीजन और एज-प्रिजर्विंग डिनोइजिंग को जोड़ती है। पाइपलाइन तीन मुख्य चरणों से मिलकर बनी है:

इल्यूमिनेशन एस्टीमेशन मैप (IEM):
जटिल वायुमंडलीय प्रकीर्णन मॉडलों पर निर्भर रहने के बजाय, यह विधि एक $15 \times 15$ विंडो के भीतर रंग चैनलों के माध्यम से अधिकतम पिक्सेल मान लेकर एक स्थानीय "ब्राइट चैनल" $J_{bright}(x)$ की गणना करती है। यह स्थानीय अधिकतम अपर्याप्त इल्यूमिनेशन के प्रॉक्सी के रूप में कार्य करता है। एक मोटा (coarse) इल्यूमिनेशन अनुमान $\hat{L}$ को $J_{bright}$ को स्केल करके (कारक $\omega=0.95$ ) प्राप्त किया जाता है। इस मैप को ग्रेस्केल गाइडेंस के साथ एक गाइडेड फ़िल्टर का उपयोग करके परिष्कृत किया जाता है। शून्य से विभाजन को रोकने के लिए, एक प्रभावी इल्यूमिनेशन $\tilde{L}$ को एक फ्लोर ( $\epsilon=0.05$ ) के साथ परिभाषित किया गया है।
कंडीशनल ओवरडिस्पर्सड-नॉइज़ विश्लेषण और रिफ्लेक्टेंस एस्टीमेशन:
यह शोध पत्र रेटिनेक्स डिवीजन के दौरान प्रवर्धित होने वाले नॉइज़ को चरित्रित करने के लिए नेगेटिव बिनोमियल (NB) वितरण पर आधारित एक डायग्नोस्टिक नॉइज़ मॉडल पेश करता है।
- मॉडल: पिक्सेल मानों को छद्म-गणनाओं (pseudo-counts) के रूप में माना जाता है ( $K = g \cdot I$ , जहाँ $g=255$ )। एक निश्चित इल्यूमिनेशन अनुमान के तहत, स्केल्ड रिफ्लेक्टेंस एक NB वितरण का पालन करता है।
- हेटरोसेडास्टिकिटी: रिफ्लेक्टेंस अनुमान का कंडीशनल वेरिएंस, शॉट-नॉइज़ टर्म (जो इल्यूमिनेशन के व्युत्क्रमानुपाती है) और एक अतिरिक्त डिस्पर्शन टर्म के योग के रूप में निकाला गया है। यह समझाता है कि विभाजन के बाद गहरे क्षेत्रों में नॉइज़ महत्वपूर्ण रूप से क्यों बढ़ जाता है।
- अनुमान: अनकन्स्ट्रेंड रिफ्लेक्टेंस अनुपात $\hat{R} = I/\tilde{L}$ को इस कंडीशनल NB लाइकलीहुड के तहत पिक्सेलवाइज मैक्सिमम लाइकलीहुड एस्टीमेटर (MLE) के रूप में पहचाना गया है। शून्य-मूल्य वाले अवलोकनों के लिए, समाधान एक बाउंड्री केस ( $R=0$ ) है। कार्यान्वयन वैध RGB मान सुनिश्चित करने के लिए रेंज क्लिपिंग लागू करता है।
एम्पिरिकल एज-प्रिजर्विंग डिनोइजिंग:
स्थानिक रूप से परिवर्तनशील वेरिएंस को पहचानते हुए, यह विधि पोस्ट-प्रोसेसर के रूप में एक फिक्स्ड-बैंडविड्थ बायलेटरल फ़िल्टर का उपयोग करती है।
- जबकि NB विश्लेषण एक हेटरोसेडास्टिक वेटेड लीस्ट-स्quares समस्या का सुझाव देता है, लेखक स्पष्ट करते हैं कि लागू बायलेटरल फ़िल्टर एक एम्पिरिकल एप्रोक्सिमेशन है न कि सटीक बेयसियन समाधान।
- फ़िल्टर एक स्थानिक कर्नेल ( $\sigma_s = 75$ ) और एक रेंज कर्नेल ( $\sigma_c = 75$ ) का उपयोग करता है ताकि फ्लैट क्षेत्रों में शोर को कम किया जा सके और किनारों (edges) को संरक्षित किया जा सके।
- महत्वपूर्ण रूप से, नॉइज़ मॉडल पैरामीटर (विशेष रूप से ओवरडिस्पर्सन पैरामीटर $r$ ) का उपयोग फ़िल्टर को ट्यून करने के लिए नहीं किया जाता है; फ़िल्टर पैरामीटर सभी छवियों के लिए स्थिर हैं।

प्रमुख योगदान

ट्रेनिंग-फ्री पाइपलाइन: एक पूर्ण लो-लाइट एन्हांसमेंट विधि जिसे किसी युग्मित प्रशिक्षण डेटा या मॉडल लर्निंग की आवश्यकता नहीं है।
डायग्नोस्टिक नॉइज़ विश्लेषण: एक व्युत्पत्ति जो दिखाती है कि कैसे एक कंडीशनल नेगेटिव बिनोमियल मॉडल इल्यूमिनेशन डिवीजन के बाद रिफ्लेक्टेंस डोमेन में हेटरोसेडास्टिक नॉइज़ को चरित्रित करता है। यह सरल डिवीजन ऑपरेशन के MLE इंटरप्रिटेशन के लिए एक सैद्धांतिक औचित्य प्रदान करता है।
एम्पिरिकल वैलिडेशन ऑफ डिनोइजिंग: एक एब्लेशन अध्ययन जो प्रदर्शित करता है कि एक फिक्स्ड-बैंडविड्थ बायलेटरल फ़िल्टर, गाऊसी स्मूथिंग, नॉन-लोकल मीन्स (NLM), और गाइडेड फ़िल्टर्स की तुलना में Eval15 सेट पर बेहतर प्रदर्शन करता है, विशेष रूप से शोर दमन और एज प्रिजर्वेशन के बीच संतुलन बनाकर।
प्रदर्शन: यह विधि उच्च दक्षता प्राप्त करती है, जो $400 \times 600$ छवियों को लगभग 43 FPS पर एक Apple M2 Pro CPU पर प्रोसेस करती है।

परिणाम
LOL-v1 डेटासेट (विशेष रूप से 15-इमेज Eval15 सबसेट) पर मूल्यांकन किया गया:

मात्रात्मक प्रदर्शन: BRINEX (बायलेटरल पोस्ट-प्रोसेसिंग के साथ, जिसे Ours-B कहा गया है) एक औसत PSNR 17.74 dB और SSIM 0.739 प्राप्त करता है। ये मूल्यांकित पारंपरिक (गैर-डीप-लर्निंग) विधियों में उच्चतम मान हैं।
तुलना: यह गामा करेक्शन, CLAHE, NPE, और LIME जैसी अन्य ट्रेनिंग-फ्री विधियों से बेहतर प्रदर्शन करता है। जबकि Retinexformer जैसी डीप लर्निंग विधियाँ उच्च PSNR (25.15 dB) प्राप्त करती हैं, BRINEX गैर-लर्नड दृष्टिकोणों के बीच प्रतिस्पर्धी बना हुआ है।
एब्लेशन निष्कर्ष:
- MLE ऑब्जेक्टिव में टोटल वेरिएशन (TV) रेगुलाइजेशन जोड़ने से रॉ MLE की तुलना में PSNR कम हो गया।
- बायलेटरल फ़िल्टर के वेरिएंस-एडाप्टिव वेरिएंट (व्युत्पन्न नॉइज़ मॉडल का उपयोग करने का प्रयास) ने फिक्स्ड-बैंडविड्थ संस्करण की तुलना में प्रदर्शन में सुधार नहीं किया।
- गाइडेड फ़िल्टर ने PSNR को कम कर दिया, जो संभवतः इनपुट इमेज से नॉइज़ सहसंबंधों (noise correlations) को प्रसारित करने के कारण हुआ।

महत्व और दावे
यह शोध पत्र BRINEX को लो-लाइट एन्हांसमेंट के लिए एक मजबूत, व्याख्यात्मक विकल्प के रूप में स्थापित करता है। इसका महत्व निम्नलिखित में निहित है:

भौतिक व्याख्यात्मकता: यह विधि रेटिनेक्स थ्योरी और सांख्यिकीय नॉइज़ मॉडलिंग (NB वितरण) पर आधारित है, जो न्यूरल नेटवर्क की "ब्लैक बॉक्स" प्रकृति से बचती है।
डायग्नोस्टिक उपयोगिता: NB मॉडल को नॉइज़ प्रोपेगेशन को समझने के लिए एक डायग्नोस्टिक टूल के रूप में प्रस्तुत किया गया है, न कि एल्गोरिदम के मापदंडों को संचालित करने के लिए एक कैलिब्रेटेड सेंसर मॉडल के रूप में।
सीमित दायरा: लेखक स्पष्ट रूप से कहते हैं कि यह विधि Eval15 सबसेट तक सीमित है और NB विश्लेषण एक कंडीशनल डायग्नोस्टिक मॉडल है, न कि यह दावा कि संग्रहीत RGB मान भौतिक फोटॉन काउंट हैं। फिक्स्ड बायलेटरल फ़िल्टर एक एम्पिरिकल विकल्प है जो अच्छा काम करता है, न कि एक सैद्धांतिक रूप से व्युत्पन्न इष्टतम समाधान।

निष्कर्षतः, यह शोध पत्र प्रदर्शित करता है कि सावधानीपूर्वक निर्मित एक पारंपरिक पाइपलाइन, जो कंडीशनल ओवरडिस्पर्सड-नॉइज़ विश्लेषण द्वारा समर्थित है, उच्च कम्प्यूटेशनल दक्षता बनाए रखते हुए ट्रेनिंग-फ्री विधियों के बीच अत्याधुनिक प्रदर्शन प्राप्त कर सकती है।

इसी तरह के और पेपर