近几年较好的低照度图像增强算法

近年来，针对低照度图像增强问题，出现了很多优秀的算法。以下是一些近几年较好的低照度图像增强算法：

1. Retinex-based方法：Retinex-based方法是一种经典的低照度图像增强方法，通过分离图像的反射和亮度成分来提高图像质量。近年来，基于Retinex的方法不断得到改进，如MSRCR、LIME等。

2. 基于深度学习的方法：深度学习在低照度图像增强问题上取得了很好的效果。例如，DCPDN、SID、LLNet等神经网络模型。

3. 基于暗通道先验的方法：该方法利用了自然图像中的暗通道先验，将其应用于低照度图像增强中。例如，LIME、HL-DCP等。

4. 基于图像分解的方法：该方法通过将图像分解成不同的部分，分别进行增强。例如，GTF、LIME、LLE等。

5. 基于全局/局部颜色映射的方法：该方法通过颜色映射的方式来提高低照度图像的亮度和对比度。例如，ACE、DCE等。

需要指出的是，每种算法都有其适用范围和局限性。在实际应用中，需要根据具体情况选择最合适的算法。