低照度水下图像增强论文（L2UWE）+代码+评价方法

最新推荐文章于 2024-07-09 08:52:24 发布

YY吖~

最新推荐文章于 2024-07-09 08:52:24 发布

阅读量5.2k

点赞数 4

分类专栏： matlab 水下图像增强去暗角

本文链接：https://blog.csdn.net/qq_39544260/article/details/112654476

版权

《L2UWE: A Framework for the Efficient Enhancement of Low-Light Underwater Images Using Local Contrast and Multi-Scale Fusion》是Tunai Porto Marques和Alexandra Branzan Albu在CVPR 2020上发表的论文。该论文提出了一种利用局部对比度和多尺度融合有效增强低光照水下图像的新方法。通过对比度感知的局部大气照明模型和融合策略，L2UWE能降低图像暗度并增强视觉特征。论文对现有的暗通道先验、对比度引导和多尺度融合方法进行了分析，并提出了改进方案。

摘要由CSDN通过智能技术生成

《L2UWE: A Framework for the Efficient Enhancement of Low-Light Underwater Images Using Local Contrast and Multi-Scale Fusion》

论文作者：Tunai Porto Marques, Alexandra Branzan Albu
发表会议：CVPR
发表时间：2020
论文代码：GitHub代码（matlab）

文章目录

《L2UWE: A Framework for the Efficient Enhancement of Low-Light Underwater Images Using Local Contrast and Multi-Scale Fusion》
摘要
一、先前工作支持
二、本文方法
- 1.用于昏暗场景的对比度感知的局部大气照明模型（局部窗口 γ 和局部对比度感知的大气光 $A_{LCG∞}^c$ ）
- 2、融合过程
三、评价
总结

摘要

由于水下拍摄的图像通常会遭受次照明设备的困扰，这些照明设置可能会隐藏重要的视觉特征，从而降低图像的质量。基于此，论文提出了一种新颖的单张低照度水下图像增强器L2UWE。它是基于我们的观察结果，即可以从局部对比度信息中得到有效的大气照明模型。论文创建了两个截然不同的模型，并从中生成了两个增强的图像：一个突出显示更精细的细节，另一个集中于消除黑暗。在强调高亮度、显著性和局部对比度的区域时，采用多尺度融合过程来组合这些图像。并使用7个指标对水下和低照度场景的7中最新的增强方法进行测试，展示了L2UWE的高性能。

一、先前工作支持

1、Dark Channel Prior-based dehazing of single images

（1）成像模型
等式1将有雾图像I的形成描述为两个附加分量之和：直接衰减和空中照明。
在这里插入图片描述
其中第一项，直接散射D(x)=J(x)t(x)，表示由于介质的特性，场景辐射所遭受的衰减；第二项，V(x)= $A_∞$ (1-t(x))，由于前向散射光，可能会导致有雾图像的色偏。而整个去雾过程就是通过确定t和 $A_∞$ 来得到无雾图像J。
何凯明等人提出暗通道先验来推测出大气光 $A_∞$ ，进而得到一个求t的简单公式。
（2）暗通道 $J^{dark}$
暗通道可以由公式2得到：在这里插入图片描述
即暗通道 $J^{dark}$ 是首先求出图像I中三个颜色通道在像素y处的最小值，然后对于求得的单通道图像，求其在块Ω中的最小值。
（3）大气光 $A_{L∞}^c$
可以通过查看暗通道（其代表输入图像中的大部分不透明区域）中前0.1%或0.2%的最亮像素来推断单张三维图像的全局大气光矢量 $A_∞^c$