retinex 的水下图像增强算法_图像增强调研

最新推荐文章于 2024-06-09 11:39:08 发布
最新推荐文章于 2024-06-09 11:39:08 发布
阅读量1.1k 收藏 13
点赞数
文章标签： retinex 的水下图像增强算法
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/weixin_39737224/article/details/112493575
版权
本文详细介绍了Retinex理论在水下图像增强的应用，从2010年前的传统方法到2014年后的深度学习方法，再到强化学习的探索。文章列举了多个关键研究，包括HE、CLAHE、SRIE、HDRNet、DeepUPE等，并指出未来可能的发展方向。
摘要由CSDN通过智能技术生成

说明

  • 较多为低光照图像增强；不包含去噪、去雾、超分辨、图像恢复。虽然调整曝光也可以说是图像恢复。
  • 以下分类不是很合适，DeepLPF(CVPR 2020)提出的分类方法较好：global, local , global & local。后面再重新编排。
  • 正在不断上传中，会不断更新，不仅仅是目前列出来的这些。

暂且先分为三大类

传统篇

（这里可以对传统图像增强做个分类，基于对比度增强、Retinex增强，色彩增强等；传统的算法多而且公式推导多，比较难。最后再更新！）

2010之前

HE： histogram equalization

CLAHE：Contrast limited adaptive histogram equalization: speed and effectiveness (IEEE Transl. on Consumer Electronics 1990)

MSR： Multi-scale retinex for color image enhancement (ICIP 1996)

BPDHE： Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement (TCE 2007)

2011

GUM： A Generalized Unsharp Masking Algorithm (Tip 2011)

FEAE: Fast efficient algorithm for enhancement of low lighting video (ICME 2011)

2013

最低0.47元/天 解锁文章
weixin_39737224
关注
  • 0
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像增强论文Range Scaling Global U-Net for Perceptual Image Enhancement on Mobile Devices阅读笔记
import_torch_as_tf
06-02 2298
论文介绍：这是ECCV-PIRM2018（Perceptual Image Enhancement on Smartphones Challenge）挑战赛中，图像增强任务第一名的论文，主要用于处理手机等小型移动设备上的图像增强。现有的图像增强方法在亮度、颜色、对比度、细节、噪声抑制等方面对低质量图像进行了改进，但由于移动设备处理速度慢、内存消耗大，很少能解决感知图像增强的问题，已有的一些方法也很难直接迁移到手机上使用。移动设备上的感知图像增强，尤其是智能手机，最近引起了越来越多的工业界和学术圈兴趣，因此本
基于深度学习的图像增强综述
idol24的博客
08-19 2360
作者丨木瓜子@知乎编辑丨极市平台来源丨https://zhuanlan.zhihu.com/p/82352961这篇博客主要介绍之前看过的一些图像增强的论文，针对普通的图像，比如手机拍摄...
分享四种常用的水下图像增强算法
最新发布
skywalkerxhx的博客
06-09 540
水下图像常常受到水中悬浮颗粒的散射和吸收影响，导致图像中出现雾霾效果。去雾算法旨在通过估计和消除雾霾引起的图像退化，从而提高水下图像的清晰度和对比度。MSRCR算法基于多尺度的Retinex理论，通过估计图像的光照分量和反射分量来减少图像的光照不均匀性，从而改善图像的质量和视觉效果。HE是一种用于增强图像对比度的经典技术。它通过重新分配图像像素的灰度级别，使得图像中的灰度值更加均匀分布，从而增强图像的整体对比度。CLAHE是HE的改进版本，它在局部区域内应用直方图均衡化，以避免在图像中产生过度增强的噪声。
Low-Light Image Enhancement 弱光照图像增强算法 资源整理
u014546828的博客
02-25 6714
Resources for Low Light Image Enhancement https://github.com/dawnlh/low-light-image-enhancement-resources ------------------------------------------------------------- Paper TIP 2021 Sparse Gradient Regularized Deep Retinex Network for Robust Low-Ligh
Low-light Enhancement暗光图像增强论文整理2019-2021
zouzhenhong98的博客
03-07 4255
Low-light Enhancement暗光图像增强论文整理2019-2020 github代码都放后面了，没有就是找不到代码 近年论文 Guo, Xiaojie et al. “LIME: Low-Light Image Enhancement via Illumination Map Estimation.” IEEE Transactions on Image Processing 26 (2017): 982-993.https://github.com/estija/LIME Fan,
基于Retinex的水下图像增强算法---去除光照的影响，还原图像的本来面目
m0_51362921的博客
07-20 758
array = cv2.normalize(array,None,0,255,cv2.NORM_MINMAX),指定将图片的像素值放缩到 0-255 之间,线性量化。L_blur = cv2.GaussianBlur(img,(ksize,ksize),0) # 对输入图像进行高斯模糊处理。# 输入深度图数组中的每个值srci（它是16位的，数据类型是uint16），先乘以系数α，再加上偏置β，最后将结果取绝对值，# 并截取为8位（uint8），然后返回与原数组相同维度的数组dst。
基于Retinex的图像去雾算法_retinex_RETINEX去雾_
09-29
基于Retinex的图像去雾算法是解决图像因大气散射导致的能见度降低问题的一种方法。本篇文章将深入探讨Retinex理论以及如何利用这一理论进行图像去雾。 首先，我们要理解Retinex理论的基本概念。Retinex是由“Retina...
Retinex_retinex_图像增强_retinex算法去雾_
09-29
综上所述，Retinex算法是一种强大的图像处理技术，它通过模拟人眼视觉系统对图像进行增强，尤其适用于去除图像雾气、提升对比度等任务。掌握并灵活运用Retinex算法，可以在许多领域中提高图像质量和处理效果。
retinex-MCCANN.zip_Retinex增强_retinex算法_单尺度retinex_单尺度算法_图像增强Reti
07-13
基于retinex的图像增强，单尺度retinex算法
05_Retinex_retinex图像增强_水下图像_retinex_图像增强_去雾.zip
10-11
这个压缩包“05_Retinex_retinex图像增强_水下图像_retinex_图像增强_去雾.zip”可能包含一系列关于Retinex算法及其在水下图像处理和去雾应用中的实例和教程。 Retinex（Retina-Exposure）理论源自人类视觉系统的...
retinex图像增强
10-09
retine图像增强算法,内有主函数和功能函数，使用方便
学习笔记之——水下图像增强/复原
热门推荐
gwpscut的博客
07-29 5万+
本博文为本人调研水下图像增强时做的一些笔记。可能整理得不是很清晰，仅仅供个人学习记录用~欢迎各位交流~ 目录 背景 研究现状（常用的方法） 非物理模型的图像增强方法 白平衡方法 直方图均衡化方法 基于Retinex的方法 基于暗通道先验的方法（去雾的方法） 基于卷积神经网络的方法 基于物理模型的图像复原方法 水下图像成像理论 水下成像系统 水下散射模型 水下退化图...
低照度图像增强论文阅读笔记——ZERO-SHOT RESTORATION OF UNDEREXPOSED IMAGES VIA ROBUST RETINEX DECOMPOSITION
weixin_50901244的博客
03-29 7802
ZERO-SHOT RESTORATION OF UNDEREXPOSED IMAGES VIA ROBUST RETINEX DECOMPOSITION1.摘要2.介绍3. RRDNet网络 1.摘要 低照度图像通常会出现严重的质量退化，如在黑暗中能见度差和潜在噪声。以往的低曝光图像复原方法大多忽略了噪声，在拉伸对比度的过程中对噪声进行放大。在增强低照度图像的同时，本文可以明确地预测噪声以达到去噪的目的。本文提出了一种新型的三分支卷积神经网络RRDNet(鲁棒Retinex分解网络的简称)，将输入图像分解
图像融合亮度一致_图像增强 DeepLPF 基于自定义滤波器的局部增强
weixin_39620334的博客
11-21 641
DeepLPFDeepLPF-Deep Local Parametric Filters for Image Enhancement (CVPR 2020) github1 github2算法思想：coarse to fine，先做基础的全局增强，再学习三种类型的滤波器参数做局部增强模型结构如上图，步骤如下：输入图像经过一个 backbone网络(论文中是 unet)，对图像...
低光照增强论文阅读：ZERO-SHOT RESTORATION OF UNDEREXPOSED IMAGES VIA ROBUST RETINEX DECOMPOSITION
qq_43555843的博客
12-11 2094
ABSTRACT 未曝光的图像往往受到严重的质量退化，如能见度差和潜在的噪音。 以往大多数低曝光图像恢复方法都忽略了噪声，并在拉伸对比过程中放大了噪声。 我们显式地预测噪声，以达到去噪的目的，同时恢复曝光不足的图像。 具体地，提出了一种新的三支卷积神经网络，即RRDNet(简称RobustRetinex分解网络)，将输入图像分解为光照、反射率和噪声三个分量。 作为一个特定于图像的网络，RRDNet不需要任何先验图像示例或先验培训。 相反，RRDNet的权重将通过迭代最小化一个特殊设计的损失函数的零镜头方案来
探索深度图像增强新境界：DeepLPF——CVPR 2020的杰作
gitblog_00085的博客
05-28 447
探索深度图像增强新境界：DeepLPF——CVPR 2020的杰作 项目地址:https://gitcode.com/sjmoran/DeepLPF 在追求完美影像的路上，每一步技术的进步都如同画家细腻的笔触，为照片添上灵魂。今天，我们要向您介绍的是一位强大的伙伴——DeepLPF（Deep Local Parametric Filters），这是CVPR 2020年的一项杰出研究成果，由华为诺亚...
【论文翻译】Distort-and-Recover: Color Enhancement using Deep Reinforcement Learning
weixin_40523230的博客
04-02 1402
ABSTRACT： 本文提出——人类修图是按照步骤逐渐进行的序列，于是用MDP建模，训练agent得到一个最优的动作序列。此外，我们提出了一种“失真-复原”训练方案，只需要高质量图像进行训练，而不需要“修改前后的图像对“。资料和代码在https://sites.google.com/view/distort-and-recover/可以找到。 论文地址https://...
retinex 的水下图像增强算法_Retinex图像增强算法
06-01
Retinex是一种基于生理学的图像增强算法，它模拟了人眼的视觉处理机制。它的基本思想是将图像分解为反射分量和照明分量，然后对它们进行增强处理。 在水下图像增强中，Retinex算法可以有效地改善图像的对比度和亮度，并增强图像的细节。这是因为水下环境中存在大量的散射和吸收现象，导致图像的对比度和亮度降低，以及图像细节的丢失。 Retinex算法通过对图像进行多次滤波来分离反射分量和照明分量。然后，可以通过对反射分量进行增强来改善图像的对比度和亮度，并增强图像的细节。具体地说，可以使用高斯滤波和拉普拉斯滤波来分离反射分量和照明分量，然后使用直方图均衡化或对数变换来增强反射分量。 总的来说，Retinex算法是一种非常有效的水下图像增强算法，它可以显著地改善图像的质量并增强图像的细节。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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