****论文题目：****CWNet: Causal Wavelet Network for Low-Light Image Enhancement（用于微光图像增强的因果小波网络）
会议：ICCV2025
****摘要：****传统的微光图像增强(LLie)方法主要关注均匀的亮度调整，往往忽略了实例级的语义信息和不同特征的内在特征。为了解决这些局限性，我们提出了一种利用小波变换进行因果推理的新型结构--CWNet(因果小波网络)。具体地说，我们的方法包括两个关键部分：1)受因果关系干预概念的启发，我们采用因果推理的观点来揭示微光增强中潜在的因果关系。从全局的角度来看，我们使用度量学习策略来确保因果嵌入遵循因果原则，将它们与非因果混淆因素分开，同时关注因果因素的不变性。在局部层次上，我们引入了实例级的裁剪语义损失来精确地维护因果因素的一致性。2)在因果分析的基础上，提出了一种基于小波变换的主干网络，该网络有效地优化了频率信息的恢复，确保了针对小波变换特定属性的精确增强。大量的实验表明，CWNet在多个数据集上的性能显著优于当前最先进的方法，展示了其在不同场景中的健壮性能。
CWNet：用因果推理和小波变换重新定义低光照图像增强
一、论文指出的问题
在深入介绍 CWNet 之前，我们先梳理一下这篇论文的出发点------现有方法存在哪些核心局限。
1.1 忽视实例级语义信息
传统低光照增强（LLIE）方法的目标几乎全部集中在均匀亮度调整 上，不论是 gamma 校正、Retinex 理论还是直方图均衡化，都把图像视为一个整体来提亮。深度学习方法虽然有所改进，但同样缺乏对实例级语义信息的建模。论文通过 ATE（平均处理效应）热力图分析直观地证明了这一点：不同语义区域（如天空、建筑、植被）对光照退化的敏感程度差异显著，但现有方法对所有区域一视同仁。
【此处配图：图2 --- ATE 热力图分析。展示 Ground Truth、光照退化样本、颜色异常样本，以及对应的 ATE 热力图，亮度越高代表该区域对退化越敏感。】
1.2 频率域特征利用不充分
基于频率域的方法是 LLIE 的重要分支。论文指出当前方法存在两类问题：
- 基于傅里叶变换的方法（如 FourLLIE、DMFourLLIE）擅长捕获全局低频信息、整体提亮，但缺乏空间局部性，难以保留边缘和纹理等高频细节，往往"亮了但糊了"。
- 基于小波变换的方法 （如 Wave-Mamba）虽然具有优秀的空间局部性，能够分离图像内容和噪声，但没有充分利用小波频域各子带的独特特性（水平、垂直、对角高频分量各有不同的物理意义），限制了恢复潜力。
1.3 颜色和语义一致性难以保证
许多先进方法在提升亮度的同时，会出现颜色偏移或语义失真。虽然部分工作（如 SKF）引入了语义分割网络来辅助增强，CLIP 也被一些方法用于语义引导，但这些方法只关注全局语义一致性，缺乏实例级（instance-level）的精细一致性保障。
二、CWNet 的核心创新
针对上述三大问题，CWNet 提出了两条主线创新，共同构成一个有机整体。
2.1 创新一：面向 LLIE 的因果推理框架
这是本文最具理论深度的贡献。
2.1.1 结构因果模型（SCM）
论文首先为 LLIE 任务建立了一个结构因果模型（Structural Causal Model, SCM）。在这个框架下，图像的特征被分为两类：
- 因果因子 S（Causal Factors） ：语义信息，如物体的形状、结构、纹理------这是增强过程中应当保持不变的；
- 非因果因子 U（Non-Causal Factors） ：亮度异常和颜色偏移------这是增强过程中应当被过滤掉的。
【此处配图：图1 --- LLIE 的结构因果模型（SCM）。展示因果因子 S 与非因果因子 U 的关系，以及干预（Intervention）操作。】
2.1.2 有意义且无害的因果干预
为了让因果分析具有实际操作性，论文设计了两种施加在正常光照图像上的合成退化干预：
光照退化干预：基于物理照明退化模型，对正常光图像 I 生成低光版本：
其中 L 是通过 LIME 生成的光照图， 控制退化程度，
是均值为 0、方差在
之间的高斯噪声。这种方式在保留语义内容的同时实现了真实的亮度变化。
颜色异常干预 ：对正常光图像施加色调偏移（）、饱和度偏移（
）和 RGB 通道偏移（
）：
【此处配图：图3(a) --- 因果引导的度量学习策略。展示潜在空间中 Anchor（低光处理图）、Positive（正常光参考）、颜色退化负样本（蓝色）、光照退化负样本（橙色）的组织方式，以及 Push/Pull 操作。】
2.1.3 因果引导的度量学习（全局一致性）
基于上述干预，论文设计了因果引导的度量学习策略来实现全局因果一致性：
- 锚点（Anchor）：经过网络处理的低光图像；
- 正样本（Positive）：与锚点对应的正常光参考图（共享相同的因果语义因子）；
- 负样本 ：对不同场景的正常光图像施加颜色扰动（颜色退化负样本）或亮度扰动（光照退化负样本）生成的反事实样本。
这种策略刻意排除其他低光图像作为负样本，防止模型混淆因果特征和非因果特征，迫使模型专注于辨别根本性的语义差异。度量损失定义为：
其中 归一化光照和颜色负样本的贡献。
2.1.4 实例级 CLIP 语义损失（局部一致性）
全局度量学习无法处理 ATE 分析揭示的区域级敏感性差异 。因此，论文引入了实例级 CLIP 语义损失来保障局部一致性：
- 使用在 PASCAL-Context 上预训练的 HRNet 对增强结果
提取语义实例分割图
- 每个实例子图与可学习的文本提示一起送入 CLIP 编码器计算语义相似度分数；
- 用交叉熵损失优化，使增强后的每个实例在语义空间中向正常光靠拢：
【此处配图：图3(b) --- 实例级 CLIP 语义损失。展示 HRNet 分割 → 实例子图 → CLIP 编解码器 → 相似度分数的完整流程。】
2.2 创新二：因果小波网络（CWNet）主干
基于 SCM 的分析，论文设计了 CWNet 作为实现因果一致性的"药方"（论文用一个有趣的类比：低光图像是患者，网络主干是药物，因果分析是精密的测量仪器）。
【此处配图：图4 --- CWNet 整体架构图。展示从
CWNet 采用类 U-Net 结构，核心模块是层次特征恢复块（Hierarchical Feature Restoration Block, HFRB），包含三个子模块：特征提取（FE）、高频增强块（HFEB）、低频增强块（LFEB）。
2.2.1 特征提取（FE）
对输入低光图像进行小波变换（WT），分解为四个频率子带：
其中 分别代表低频分量、水平/垂直/对角高频分量。
FE 的设计充分考虑了各子带的物理特性：
- 高频子带（H, V, D）：用深度可分离卷积（DepthConv）提取，捕获方向性边缘细节；
- 低频子带 （L）：用 WTConv（小波卷积）处理，在不增加参数量的前提下获得更大感受野；
- 关键的跨频率补偿 ：低频特征
这一设计基于一个重要观察：在低光场景下，高频细节（边缘、纹理）的信息大量"藏"在低频分量中，通过低频引导高频提取可以有效补偿缺失信息。
2.2.2 高频增强块（HFEB）
论文受 State Space Model（SSM）/ Mamba 启发，提出 HF-Mamba 处理高频子带。
现有大多数方法（如 Wave-Mamba、RetinexMamba）直接沿用 VMamba 的通用 2D-SSM 结构扫描所有方向，论文认为这没有充分利用小波高频分量的方向性特性。CWNet 专门设计了：
- H-2D-SSM ：水平方向扫描处理
- V-2D-SSM ：垂直方向扫描处理
- D-2D-SSM ：对角方向扫描处理
这种"扫描方向与小波高频分量方向一致"的设计，使高频细节的恢复更加精准。
2.2.3 低频增强块（LFEB）
HFEB 完成高频增强后，先用逆小波变换（IWT）重建图像：
重建图像作为 LFEB 的输入。LFEB 由两个残差块构成，均采用**快速傅里叶卷积（FFC）**以获得更大感受野：
- 第一个残差块：5×5 卷积扩展感受野 + SimpleGate 高效激活 + 1×1 卷积恢复维度；
- 第二个残差块：1×1 卷积将通道数扩至 4 倍 + SimpleGate + 1×1 卷积压缩回原始通道数。
最终，低频分量在高频分量的引导下得到精细化，生成增强预测结果 I_{pre}。
2.3 总损失函数
CWNet 的总损失由五部分组成：
各权重设置为 ：
三、实验结果
3.1 训练设置
- 框架：PyTorch，端到端训练；
- 架构：类 U-Net，特征通道数 16，低频/高频分支的非对称块配置分别为 1,3,4,3,1 和 1,2,2,2,1；
- 数据增强：随机裁剪至 256×256，随机水平/垂直翻转和旋转；
- 优化器 ：Adam（
- 训练量 ：
- 测试数据集：LOL-v1、LOL-v2-Real（用 LOL-v1 训练的模型测试，验证跨数据集泛化）、LOL-v2-Syn、LSRW-Huawei。
3.2 定量对比
【此处配表：表1 --- 在 LOL-v1、LOL-v2-Real、LOL-v2-Syn、LSRW-Huawei 四个数据集上与传统方法、CNN 方法、频率域方法、Transformer 方法、Mamba 方法的 PSNR/SSIM/LPIPS 全面对比，以及参数量（M）和 FLOPs（G）。】
核心数据一览：
| 数据集 | PSNR | SSIM | LPIPS |
|---|---|---|---|
| LOL-v1 | 23.60 dB | 0.8496 | 0.0648 |
| LOL-v2-Real（跨数据集） | 27.39 dB | 0.9005（最优） | 0.0383（最优） |
| LOL-v2-Syn | 25.50 dB | 0.9362（最优） | 0.0195（最优） |
| LSRW-Huawei | 21.50 dB | 0.6397 | 0.1562（最优） |
参数与计算效率 ：仅 1.23M 参数 ，11.3G FLOPs，在所有深度学习方法中属于最轻量级别。显著优于 MIRNet（31.79M 参数，785.1G FLOPs）和 SNR-Aware（39.12M 参数，26.35G FLOPs）。
特别值得注意的是 LOL-v2-Real 的跨数据集结果：用 LOL-v1 训练的模型直接在 LOL-v2-Real 上测试，取得最优 SSIM（0.9005）和最低 LPIPS（0.0383），充分证明了因果推理框架带来的强泛化能力。
3.3 定性可视化对比
【此处配图：图5 --- LOL-v2-Real 数据集上与 FECNet、FourLLIE、Wave-Mamba、Retinexformer、SKF-SNR、UHDFormer、UHDFour 的视觉对比。】
【此处配图：图6 --- LSRW-Huawei 数据集上与 FECNet、FourLLIE、Wave-Mamba、Retinexformer、SKF-SNR、UHDFormer、DMFourLLIE 的视觉对比。】
在视觉效果上，对比方法普遍存在以下问题：
- FECNet、FourLLIE、Wave-Mamba：颜色偏差和噪声；
- Retinexformer、SKF-SNR：提亮不足；
- UHDFormer、UHDFour：表现较好但仍有噪声伪影，缺乏平滑性。
CWNet 产生的结果更清晰、自然、平滑，颜色和语义更为一致。
四、消融实验
4.1 组件消除实验
【表2（上半部分） --- 逐个去除因果推理机制、FE、HFEB、LFEB 在 LSRW-Huawei 上的性能变化。】
各组件对 PSNR 的贡献：
| 去除组件 | PSNR | 下降幅度 |
|---|---|---|
| 完整 CWNet | 21.53 | --- |
| 去除因果推理 | 20.87 | -0.66 dB（最大） |
| 去除 FE | 20.98 | -0.55 dB |
| 去除 HFEB | 20.58 | -0.95 dB |
| 去除 LFEB | 20.41 | -1.12 dB（影响最大） |
LFEB 的去除导致最大幅度的性能下降（PSNR 降至 20.41 dB），说明低频处理在整个双分支架构中扮演着最关键的角色。
4.2 组件替换实验
【表2（下半部分） --- 用标准卷积替换 WTConv/FFTConv，用 VMamba 替换 HF-Mamba，用全局特征替换语义图的性能对比。】
| 替换方案 | PSNR | 说明 |
|---|---|---|
| WTConv → 标准卷积 | 21.42 | 频率域处理有效 |
| FFTConv → 标准卷积 | 21.36 | 全局感受野有效 |
| HF-Mamba → VMamba 2D-SSM | 21.20 | 方向对齐扫描有效 |
| 语义图 → 全局特征 | 21.48 | 实例级一致性有效 |
4.3 损失权重分析
【此处配表：表3 --- 系统变化各损失权重（
基线配置（）取得最优 PSNR（21.53）和次优 SSIM（0.6423）。实验表明：
- 增大
五、局限性与失败案例
【此处配图：图7 --- 多退化场景下的失败案例。展示同时存在模糊或雾霾时，CWNet 与 Retinexformer、RetinexMamba、Wave-Mamba、UHDFormer 的对比。】
论文坦诚地指出，当图像同时面临多种退化（如低光 + 模糊、低光 + 雾霾）时，CWNet 虽然在亮度和颜色保持上优于对比方法，但整体恢复质量不理想。这为后续研究指明了方向：如何在多退化条件下实现更有效的低光图像恢复。
六、因果与小波的哲学连接
【此处配图：图8 --- 小波结构与因果推理的类比图。因果推理 ≈ 精密测量仪器，低光图像 ≈ 患者，网络主干 ≈ 药物。】
论文用一个生动的类比来解释 CWNet 的可解释性：
- 低光图像是需要治疗的患者；
- 因果推理机制是精密的测量仪器，确保治疗精准定位到问题所在（分离因果因子和非因果因子）；
- 小波网络主干是药物，其架构设计直接决定治疗效果------低频增强负责颜色和亮度一致性，高频 Mamba 一致性扫描负责细节建模和结构一致性。
七、总结与思考
CWNet 的核心贡献可以归结为一句话：用因果推理"想清楚了该做什么"，再用小波网络"精准地做到"。
从研究方法论的角度看，这篇论文有几点值得特别关注：
-
理论驱动的框架设计：引入 SCM 和 ATE 分析不仅仅是方法的"包装"，而是真正指导了网络架构（为什么需要实例级而非全局语义损失）和训练策略（为什么要构造特定类型的负样本）的设计。
-
轻量与高性能的平衡：1.23M 参数和 11.3G FLOPs 的代价换来了多数据集 SOTA，这得益于小波变换天然的高效性（下采样减少空间维度）和 Mamba 相比 Transformer 的线性计算复杂度。
-
跨数据集泛化的意义：在 LOL-v2-Real 上的跨数据集测试（用 LOL-v1 训练）取得最优 SSIM 和 LPIPS，这是对因果推理框架"分离不变因果特征"这一核心目标最直接的验证。
-
局限性的坦诚：论文没有回避多退化场景下的失败案例，这种学术诚实值得肯定，也为后续研究留下了清晰的开放问题。
如果你对低光照图像增强、因果推理在视觉任务中的应用，或者 Mamba/SSM 模型有兴趣，欢迎进一步探讨。