1.图像融合（Image Fusion）
图像融合是指将来自不同来源或不同模式的多幅图像合成一幅图像，以便保留每个源图像中的有用信息，并提高最终图像的质量。在低光照条件下，通常可见光图像的细节信息丢失，而热红外图像则能够突出目标，但缺乏纹理信息。
举例：
可见光与红外图像融合：在夜间监控中，红外相机可以检测到热源（如行人或车辆），但可见光摄像头能够提供更多的纹理信息。通过图像融合，可以生成一幅既包含纹理细节又有清晰目标的图像，从而帮助监控系统更好地识别和追踪目标。
2. 行人检测（Pedestrian Detection）
行人检测是计算机视觉的一个重要任务，目的是从图像或视频中检测出行人的位置。在低光照条件下，行人的细节信息可能无法很好地显现，尤其是在可见光图像中。这使得行人检测变得更加困难。
举例：
低光环境中的行人检测：在街道摄像头中，由于光照不足，图像中的行人可能变得模糊，检测算法需要依赖更强的模式识别能力或者多模态数据（如红外图像）来提高检测准确率。
3. 图像到图像转换（Image-to-Image Translation）
图像到图像的转换通常指从一种图像域到另一种图像域的转换，如风格迁移、去噪、增强等。低光照下的图像通常存在噪点和模糊，转换任务可能面临困难，尤其是当图像质量较低时。
举例：
低光照图像增强：在夜晚拍摄的照片中，图像通常很暗，且噪点很多。通过图像到图像的转换技术（如深度学习方法），可以增强图像的亮度和清晰度，使其更适合分析或可视化。
从低光照图像到正常光照图像的转换：例如，使用生成对抗网络（GAN）将低光照条件下的图像转换为更明亮、更清晰的图像。