图像增强论文精读笔记-Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images(SICE)

已于 2024-10-07 11:06:12 修改
阅读量265 收藏 5
点赞数 5
文章标签： 笔记 人工智能
于 2024-10-07 11:05:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ADDDDDDS/article/details/142736674
版权

1. 论文基本信息

2. 研究背景和动机

        现存的图像增强方法有基于多张图片的（MEF）以及基于单张图片的（SICE），MEF会由于多张曝光图像的物体位置不同等等而引入伪影，从前的SICE方法会由于单张图像信息不够而无法完美地恢复图像。并且现存的多曝光图像数据集也很少。

3. 主要贡献

        (1) 构建了一个大型的多曝光图像数据集，其中由低or高曝光/正常曝光的图像对组成，正常曝光的图像是由13种算法处理非正常曝光图像序列得来的。基于此数据集可以训练一个高效的CNN来增强单张图像；

        (2) 训练了一个CNN用于单张图像增强；

4. 方法和模型

        (1) 构建的数据集样图如下，每一组非正常曝光是一个图像序列，通过这一个序列结合算法得到正常曝光的图像：

        (2)网络总体架构图如下。增强的过程为分为两个阶段

        第一阶段：首先根据Retinex理论，将图像分为高频R、低频L两部分，高频部分代表局部细节，低频部分代表全局图像的自然性。分解为L和R后分别通过部分增强网络以及细节增强网络

        第二阶段：将两部分结果合起来通过全局增强网络进一步增强

        (3) 损失函数考虑到了MSE损失、L1Norm损失、Structural dissimilarity (DSSIM)损失：

        其中MSE损失用于阶段一的部分增强网络；
        考虑到高频细节部分通常遵循拉普拉斯分布，并包含一些噪声和离群点，阶段一的细节增强网络使用L1Norm损失函数；
        为了提升最终输出的感知质量，阶段二使用基于感知驱动的 DSSIM 度量作为损失函数；

5. 一些缺点

        对于局部大块的极端过曝光情况，恢复效果并不是太好，如下所示。图b是之前MEF的方法，可以看到细节恢复较好；图c是本文的方法，对于右半边过度曝光区域恢复效果不太理想

Cai_CS_stu
关注
Faster Read: Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images
weixin_42447651的博客
09-27 3657
Single Image Contrast EnhancerIEEE Transactions on Image ProcessingApril 2018 keywords: CNN(Convolutional Neural Network), SICE，MEF 论文名称： Learning a Deep Single Image Contrast Enhancer from Multi...
图像美化论文笔记： Deep Photo Enhancer:Unpaired Learning for Image Enhancement from Photographs with GANs
u014448054的博客
06-14 6542
论文地址：Deep Photo Enhancer:Unpaired Learning for Image Enhancement from Photographs with GANs 来源： 2018 CVPR 在线demo：http://www.cmlab.csie.ntu.edu.tw/project/Deep-Photo-Enhancer/ GitHub：https://github....
Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images阅读札记
weixin_43101257的博客
08-18 2242
从多曝光图像中学习深度单图像对比度增强器
SICE：基于CNN的多曝光图像增强网络论文解读
CleMints的博客
11-28 5615
目录 一、 文章摘要概述 这是一篇2018年图像处理领域Top之一的TIP期刊文章，针对过曝光/欠曝光的单图像对比度增强(SICE)，相较于之前的调整色调曲线以矫正输入图像的对比度不能有效增强图像细节问题，提出使用卷积神经网络(CNN)分步训练多个SICE图像增强器，在提升图像对比度同时保恢复了图像细节。为此，文章创新性的做了如下工作： 建立一个大规模的多曝光图像数据集，包含多场景高分辨率图像序...
论文阅读笔记--Joint High Dynamic Range Imaging and Super-Resolution from a Single Image
qq_25283239的博客
12-23 978
文章地址:Joint High Dynamic Range Imaging and Super-Resolution from a Single Image Soh J W , Park J S , Cho N I . Joint High Dynamic Range Imaging and Super-Resolution from a Single Image[J]. 2019. 摘...
Learning a Simple Low-light Image Enhancer from Paired Low-light Instances
mytzs123的博客
12-18 917
为了校正对比度、揭示纹理和去除传感器噪声，在过去的几十年里，人们在开发微光图像增强（LIE）算法方面付出了巨大的努力[1，5，6，8，28，35]。因此，在较少的先验约束和更简单的网络的情况下，所提出的PairLIE在公共LIE数据集中实现了具有竞争力的性能。在公共数据集上进行的大量实验表明，与最先进的方法相比，所提出的PairLIE具有更简单的网络和更少的手工先验，实现了相当的性能。在本文中，我们不是从单个图像中利用手工制作的L和R的先验，而是应用成对的微光图像以数据驱动的方式自动学习自适应先验。
Learning a Simple Low-light Image Enhancer from Paired Low-light Instances 论文阅读笔记
read, note and comment papers
07-28 974
这是CVPR2023的弱监督暗图增强论文，需要一个对同一场景有两个不同亮度相同内容的暗图的数据集，但论文提出可以对一张暗图做类似neighbor2neighbor的采样操作得到两张图片来获得。 网络结构如下图所示，由3个模块组成，P-net负责对图片进行去噪和去伪影操作，L-Net和R-Net分别对应retinex模型中的L分量和R分量估计。g(L)就是gamma校正。 可以看到，训练过程有3个损失，一个是对P-Net的重建损失，其实只是对输入和输出进行L2 Loss而已（之所以P-Net能work，
Low-Light Image and Video Enhancement Using Deep Learning: A Survey 论文阅读笔记
read, note and comment papers
01-05 6141
2021 低光图像质量增强 survey 的一个论文阅读笔记
低光图像增强论文Kindling the Darkness: A Practical Low-light Image Enhancer阅读笔记
热门推荐
import_torch_as_tf
05-17 1万+
本文来自ACM MM 2019，作者：Yonghua Zhang, Jiawan Zhang, and Xiaojie Guo 项目地址：https://github.com/zhangyhuaee/KinD Abstract 在弱光条件下拍摄的图像通常(部分)能见度较差。除了不理想的照明，多种类型的退化，如噪音和颜色失真，由于相机的质量有限，这些退化隐藏在黑暗中。换句话说，仅仅提高黑暗区域的亮度将不可避免地放大隐藏的退化。这项工作建立了一个简单而有效的点燃黑暗的网络(表示为kindling)，它的灵感
Image-Enhancer:简单的图像增强软件可测试图像预处理功能。
05-11
该应用程序是基于OpenCV和PyQt4的图像增强应用程序。 您可以将其用作小型图像增强软件，用于日常工作。 但是我创建了这个程序，以便在将图像馈入神经网络之前对图像进行预处理。 您可以打开示例图像并进行增强并记下...
Ultimate Image Enhancer:增强图像并从网络摄像头捕获图像-开源
05-12
在数字图像处理领域，一款名为"Ultimate Image Enhancer"的开源软件以其强大的图像增强功能脱颖而出。这款工具旨在帮助用户提升图像的质量，无论是对比度调整、亮度调节，还是添加艺术效果如模糊和黑白滤镜，都能...
Deep-photo enhancer
12-07
CVPR18 明星论文Deep Photo Enhancer: Unpaired Learning for Image Enhancement From Photographs with GANs对应的代码
（笔记）第三期书生·浦语大模型实战营（十一卷王场）–书生基础岛第5关---XTuner 微调个人小助手认知
最新发布
haidizym的博客
10-06 311
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1tz421B72y/课程文档：关卡作业：https://github.com/InternLM/Tutorial/blob/camp3/docs/L1/XTuner/task.md开发机平台：https://studio.intern-ai.org.cn/
C++学习笔记----8、掌握类与对象（四）---- 不同类型的数据成员（1）
weixin_71738303的博客
10-05 866
c++对于数据成员给了你许多选项。除了在类中声明简单的数据成员，可以生成静态数据成员供所有类的对象共享，const成员，引用成员，reference-to-const成员，等等。本节我们解释一下这些不同类型的数据成员的细节。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
haidizym的博客
10-02 488
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
强化学习笔记之【DDPG算法】
rvdgdsva的博客
10-06 558
强化学习第2篇.强化学习方向的学习者可以参考或者复刻
OpenGL笔记十九之相机系统
小勇博客
10-02 558
— 2024-10-02 晚上。
【韩顺平Java笔记】第6章：数组、排序和查找
随手写写
10-02 767
排序是将多个数据，依指定的顺序进行排列的过程。
from PIL import Image, ImageEnhance, ImageFilter# 打开图像文件image = Image.open("image.jpg")# 对图像进行饱和度增强enhancer = ImageEnhance.Color(image)image = enhancer.enhance(1.5)# 对图像进行对比度增强enhancer = ImageEnhance.Contrast(image)image = enhancer.enhance(1.5)# 对图像进行锐度增强enhancer = ImageEnhance.Sharpness(image)image = enhancer.enhance(1.0)# 保存处理后的图像文件image.save("processed_image.jpg")将这段代码做成界面，并制作按钮调节三个参数
05-27
好的，我可以帮你制作一个简单的界面，并添加三个按钮分别调节饱和度、对比度和锐度参数。 你可以使用Python的Tkinter库来创建GUI界面，同时使用Pillow库来处理图像。以下是实现代码的示例： ```python from tkinter import * from PIL import Image, ImageEnhance class ImageProcessor: def __init__(self, root): self.root = root self.root.title("图像处理") self.root.geometry("400x300") self.image_path = "image.jpg" self.image = Image.open(self.image_path) self.saturate_btn = Button(self.root, text="饱和度增强", command=self.saturate) self.saturate_btn.pack(pady=10) self.contrast_btn = Button(self.root, text="对比度增强", command=self.contrast) self.contrast_btn.pack(pady=10) self.sharpness_btn = Button(self.root, text="锐度增强", command=self.sharpness) self.sharpness_btn.pack(pady=10) self.quit_btn = Button(self.root, text="退出", command=self.root.quit) self.quit_btn.pack(pady=10) def saturate(self): enhancer = ImageEnhance.Color(self.image) self.image = enhancer.enhance(1.5) self.image.save("processed_image.jpg") def contrast(self): enhancer = ImageEnhance.Contrast(self.image) self.image = enhancer.enhance(1.5) self.image.save("processed_image.jpg") def sharpness(self): enhancer = ImageEnhance.Sharpness(self.image) self.image = enhancer.enhance(1.0) self.image.save("processed_image.jpg") if __name__ == '__main__': root = Tk() app = ImageProcessor(root) root.mainloop() ``` 这个程序创建了一个窗口，包含了三个按钮和一个退出按钮。当你点击“饱和度增强”按钮时，程序会调用`saturate`方法，该方法会使用Pillow库中的`ImageEnhance.Color`增强器来增强图像的饱和度。同样的，当你点击“对比度增强”按钮时，程序会调用`contrast`方法，该方法会使用`ImageEnhance.Contrast`增强器来增强图像的对比度。当你点击“锐度增强”按钮时，程序会调用`sharpness`方法，该方法会使用`ImageEnhance.Sharpness`增强器来增强图像的锐度。所有处理过的图像都将保存在`processed_image.jpg`文件中。 希望这能帮到你！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值