基于有监督学习的低光图像增强代表方法

有监督学习的低光图像增强代表方法主要是基于深度学习的方法，如基于卷积神经网络（CNN）的方法。其中，代表性的方法有：

1. RetinexNet：该方法是基于Retinex理论的，通过学习图像的全局和局部信息，实现低光图像增强。

2. EnlightenGAN：该方法是基于生成对抗网络（GAN）的，通过生成真实的低光图像和增强后的图像对进行训练，实现低光图像增强。

3. Zero-DCE：该方法通过自编码器实现低光图像的去噪和增强，实现低光图像增强。

这些方法都是基于有监督学习的低光图像增强代表方法，它们在不同的数据集和场景中都有着较好的表现。