JASPER_W_

  • 12

    获得赞
  • 24

    发布的文章
  • 0

    答辩的项目

基于CNN和亮度通道先验的微光图像增强

深度学习

最后更新 2020-06-04 11:56 阅读 168

最后更新 2020-06-04 11:56

阅读 168

深度学习

LOW-LIGHT IMAGE ENHANCEMENT USING CNN AND BRIGHT CHANNEL PRIOR 

image.pngProblems

•过去的方法包括基于retinex理论的方法,这个方法假定去除光照影响可以增强低照图像,但是这种方法是对RGB图像进行处理的,容易造成颜色失真; 

•基于直方图均衡化的处理,主要用来增加图像的对比度,但是其对较暗区域处理效果比较差,造成颜色失真; 

•最近还有基于去雾算法的增强算法,以及黑暗通道优先的方法,当然这些方法缺少一些成熟的理论,处理出的图像也过于夸张。 

•论文提出基于大气散射的光照模型去增强低照图像。

Method

•我们在大气散射模型的基础上,考虑到夜间的光照条件,建立了一个弱光模型。我们提出了一个简单而有效的图像先验,明亮通道先验,来估计我们的低光模型中的参数。 

•此外,设计了一个基于CNN的模型对低光图像进行去噪,以提高基于模型的增强前的图像质量。

Architecture

image.pngCNN model for denoising

•一般的去噪算法是通过估测图像中高斯白噪声的方差去噪,而这里则是通过DCNN进行去噪。在网络里这里通过将图像分成一个个Patch方便处理,通过将残差图加上原有的噪声图作为输出,和无噪声图像进行比较进行训练。

image.pngContrast enhancement using proposed model

image.pngimage.pngAdaptive environment light estimation

image.png EXPERIMENTAL RESULTS

image.pngimage.png

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/article/530
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除