Faster Read: Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images

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：

1. 提出了一个多曝光度的hdr图片的数据库，叫SICE。
2. 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。

======================