壁画图像的去噪与低光照增强
民族壁画在数字化采集过程中因受拍摄距离和场景光照的影响（不能使用闪光灯），数字化后的壁画图像会存在噪声、亮度不足或模糊等问题，如果直接对这些低质量的壁画图像进行修复难度较大，而通过图像增强的方法提高输入图像的质量有助于降低后续壁画图像的修复难度。项目主要从去噪和低光照增强两方面研究壁画图像的预处理方法。具体包括:
多阶段图像去噪模型
提出了一种基于扩散模型的多阶段盲去噪模型，在不知道噪声类型也不知道噪声强度的情况下，该方法也能起到较好的去噪效果。
将PNBNet用于壁画图像去噪
提出了一种基于基学习的图像去噪网络PNBNet，它通过学习图像子特征空间的信号基来去除图像中的噪声，对壁画中的微弱噪声有较好的去噪效果。
用于增强低曝光图像细节的方法WEDNet
提出了基于频域注意力的低光照图像增强方法WEDNet，通过抑制低亮度图像中的噪声和色彩校正来改善因光照不足或褪色导致的低亮度壁画图像的视觉质量。
将WEDNet用于壁画图像的结果
对曝光不足的壁画图像进行亮度和对比度增强，同时校正其颜色（上方一行图像为增强前，下方一行为增强后）