低照度图像修复方法总结
来源:互联网 发布:linux的保存命令 编辑:程序博客网 时间:2024/05/16 09:21
在遇到图像曝光不足时,先前主要分为两种主流思路:基于直方图均衡和基于retinex算法(在之前的总结里分别有介绍)。
这两类算法大都存在的缺点:或多或少存在图像过增强现象,使得颜色失真。所以,图像曝光增强算法还是有待提高。
下面两篇是北大Zhenqiang_Ying的研究论文,他有好几篇文章都是围绕低照度图像增强主题写的,可以参照一下。
(一)《A New Image Contrast Enhancement Algorithm using Exposure Fusion Framework》
- https://github.com/baidut/OpenCE
项目主页:https://baidut.github.io/OpenCE/caip2017.html
作者提出了一个曝光融合框架,提供一个精确的对比度增强的图像增强算法。具体来说,我们首先设计了加权矩阵,利用光照估计技术的图像融合。然后,我们介绍我们的相机响应模型合成的多重曝光图像。接下来,我们找到最佳的曝光率使合成图像是暴露在该区域曝光不足的图像。最后,输入图像和合成图像进行融合,根据权重矩阵得到增强的结果。
(二)《A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement》
- https://baidut.github.io/BIMEF/
- https://github.com/baidut/BIMEF
这篇文章还没有发表,现在处于投稿状态,他们的摘要:“低光图像由于能见度低,不利于人眼观察和计算机视觉算法。虽然已经提出了许多图像增强技术来解决这个问题,但是现有的方法不可避免地引入过对比和过增强。在人类视觉系统的启发下,我们设计了一个多曝光融合框架用于微光图像增强。基于该框架,我们提出了一种双曝光融合算法,以提供精确的对比度和亮度增强。具体而言,我们首先利用照度估计技术设计图像融合的权矩阵。然后介绍我们的相机响应模型来合成多曝光图像。其次,我们找到最佳曝光率,使合成图像在原始图像被曝光的区域被很好地曝光。最后,根据权值矩阵对输入图像和合成图像进行融合,得到增强的结果。实验结果表明,与几种先进的方法相比,我们的方法可以获得较少的对比度和亮度失真。”
第二篇文章还未公布,但可以调用算法查看处理效果。
作者research主页:https://www.researchgate.net/profile/Zhenqiang_Ying
Github: https://github.com/baidut
参考:
http://blog.csdn.net/phoenixtree7/article/details/60769717
《基于暗原色先验的低照度视频快速增强算法》
《基于色调不变的彩色图像增强算法研究》
《一种基于色彩保持的低照度图像增强算法 》- 低照度图像修复方法总结
- 一种低照度图像增强方法
- 低照度图像增强
- 基于颜色恒常性的低照度图像增强
- 基于暗原色去雾的低照度图像增强
- 宽动态 低照度
- 稀低照度依据
- 低照度(夜间)视频增强算法
- 基于Retinex的低照度增强算法
- 图像修复常用方法
- 【转】低照度(夜间)视频增强算法
- 图像修复序列-基于低阶秩的图像修复方法
- 使用PDE的方法进行图像修复
- 图像修复
- 图像增强方法总结
- 等照度线曲率方法确定人眼中心
- 【OpenCV3图像处理】图像修复
- L7图像修复
- 数据库的概念模型
- 定义模板
- Fresco实现图片放大
- 【DP】BAJ-Bytecomputer
- 张亦鸣: eBPF 简史
- 低照度图像修复方法总结
- 深入JVM内核—原理与优化之gc参数学习
- 汉诺塔1
- ActiveMQ消息队列
- java基础第四讲JavaScript详解
- 汉诺塔2
- vue-router传参数(get和post方式)
- SQLite jdbc 单例
- IDEA错误:Cannot start compilation: the output path is not specified for module "Test". (转)