Single Image Contrast Enhancer IEEE Transactions on Image Processing April 2018
keywords: CNN(Convolutional Neural Network), SICE,MEF
论文名称:
Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images
Prerequisite:Convolutional Neural Network
提高图像对比度的方法分单图像提高对比度算法(SICE)和同一场景多个曝光度合成的算法(MEF)。MEF之后的图片可以展现更多的图片细节,但是由于要拍摄多个曝光度的原因,如果拍摄中有动态的物体的话,合成后会出现虚影(ghosting)。另一方面,SICE可以只用一张图强化图片对比度,所以不会出现ghosting。但是合成的效果不如MEF,图片细节也不如MEF出来的图片效果好。有没有一种方法,既能没有ghosting,又能合成高对比度的图片呢?机器学习(ML)正好能做到这一点。如果输入是一张图片,label是同一场景下MEF合成的图片,通过适当的学习就能达到MEF的效果。这篇文章有灵性的地方就在于巧妙的运用ML架起了桥,绕过了这个坎。
目的:用新的提取图像特征的方法,结合不同的loss function用做实时的图像风格转化和超分辨率
重点和主要贡献:
- 提出了一个多曝光度的hdr图片的数据库,叫SICE。
- 用learning-based算法实现SICE,而且能达到MEF的效果。
==================================================================================
下面是部分重点的细节介绍,上面看懂的不用再往下看了。
======================