BFORE：ガの目—ファイアフライ最適化による低照度画像向けレティネックス強調手法

要旨: 暗い環境での画像強調は、コンピュータビジョンおよびマルチメディア応用における基本的な課題である。十分な照明がない条件で撮影された画像は、視認性の低下、コントラストの低さ、色の歪みといった問題を引き起こす。既存のRetinexベース手法は、手作業で調整されたパラメータに依存しており、多様な照明条件に対して一般化できない。本論文では、BFORE（Butterfly-Firefly Optimized Retinex Enhancement）という新しいハイブリッドなメタヒューリスティック最適化フレームワークを提案する。これは、多段階のRetinexベース・パイプラインのパラメータを自動的に調整するものである。提案手法は入力画像をHSV色空間へ変換し、輝度チャネルに対してAdaptive Gamma Correction with Weighted Distribution（AGCWD）を適用した後、適応的なデノイズを行う。Butterfly Optimization Algorithm（BOA）がMulti-Scale Retinex with Color Restoration（MSRCR）のパラメータを最適化し、一方でFirefly Algorithm（FA）がAGCWDおよびデノイジングのパラメータを最適化する。BOA-FAの切り替えによるハイブリッド戦略により、大域的探索と局所的活用のバランスを動的に調整する。LOLベンチマークデータセット（15枚のペアテスト画像）での実験評価により、BFOREは従来のすべての強調手法の中で最も高いPSNR（17.22 dB）を達成し、Histogram Equalizationに対して20.3%向上、MSRCRに対して17.5%向上することが示された。BFOREは、最も自然にバランスの取れた平均明るさ（129.97）を生成し、理想的なミッドトーン値に最も近い。特筆すべきは、BFOREが、トレーニングデータを必要とせずに、PSNR（17.22対16.77 dB）およびSSIM（0.5417対0.4252）の両方においてRetinexNet（深層学習ベースライン）を上回る点である。ハイブリッドBOA-FAによる最適化は、最適化されていないパイプラインに比べてPSNRを12.3%改善し、SSIMを14.8%改善することに寄与している。