RetinexDIP: A Unified Deep Framework for Low-Light Image Enhancement 论文阅读笔记

最新推荐文章于 2024-05-19 06:55:21 发布
最新推荐文章于 2024-05-19 06:55:21 发布
阅读量1k 收藏 2
点赞数
分类专栏： 论文阅读笔记 文章标签： 计算机视觉 深度学习 人工智能
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_44326452/article/details/126636329
版权

在这里插入图片描述

这是TCSVT2022的一篇暗图增强的文章，用了DIP这个方法

  • 这篇也是用了DIP的，有时间一定要好好看看DIP这个领域
  • 网络结构如下图所示，用了两个encoder-decoder网络来生成Retinex里面的I和R分量。前面的噪声输入表示网络用的是DIP的方法进行训练，即无需图像数据集进行训练。 生成R的DIP2更深，因为R具有更多细节，而DIP1更浅。
  • 损失函数如下所示：由四项构成，第一项是重建损失；第二项是针对 I I I的损失，监督为图像在通道维度上做max得到的二阶矩阵；第三项为 R R R的TV Loss，是为了抑制噪声；第四项是 I I I的平滑损失，但加了个权重，权重是基于预测的R进行计算的。后续实验发现，其实这里的 G R ( z 2 ) G_R(z_2) GR​(z2​)，也可以改成 I 0 I_0 I0​。

在这里插入图片描述
在这里插入图片描述

  • 获得分解的分量后，用Gamma校正增强 I I I分量得到 I ^ = I γ \hat I=I^\gamma I^=Iγ（实验中将 γ \gamma γ设为0.5），然后用
  • 在这里插入图片描述
  • 获得增强结果（这是其中一种基于Retinex理论的增强方式，另一种是 R R R分量乘以增强后的 I I I分量）
  • 文章与其它方法比较了在一些数据就上的NIQE等三个指标：
  • 在这里插入图片描述
  • 在这里插入图片描述
ssf-yasuo
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于Retinex理论的低照度图像增强论文研读历程
一青里的博客
09-13 2253
LIME：Low-light enhancement via illumination map estimation 2016 TIP 【论文思想】输入一张低照度图片，选取每个像素通道中的最大值初始化该图像的光照图，然后通过加入一种结构先验来细化该初始光照图，最后根据Retinex理论合成增强图。 【算法目的】非均匀地增强低照度图像的光照，而不是消除光源引起的色偏。 【小收获】伽马校正的缺点：无法反映像素间关系，即无法反映光照水平间的关系 【论文贡献】不同于以往的方法（将图像I分解为L和R），该..
【论文笔记】—低照度图像增强—ZeroShot—RetinexDIP网络—2021-TCSVT
chaiky的博客
05-17 4897
题目：RetinexDIP: A Unified Deep Framework for Low-light Image Enhancement 受Deep Image Prior 启发，使用了随机采样的白噪声和一些loss。 提出了RetinexDIP算法，包括两个步骤：Retinex分解和增强。首先通过深度神经网络RetinexDIP进行Retinex分解，同时生成反射图和光照图，然后使用获得的光照图进行增强。为了同时估计这两个分量并削弱彼此之间的耦合关系，提出了一种新的“生成”Retinex分解策略。
Low-Light Image Enhancement 弱光照图像增强算法 资源整理
u014546828的博客
02-25 6815
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 Image and Video Enhancement Using Deep Learning: A Survey 论文阅读笔记
read, note and comment papers
01-05 6089
2021 低光图像质量增强 survey 的一个论文阅读笔记
自动驾驶之夜间检测调研
mathlxj的博客
12-10 3064
自动驾驶之夜间检测调研，包含ExDark数据集和一个Survey
Active Transfer Learning Network: A Unified Deep Joint Spectral-Spatial Feature Learning Model for Hyperspectral Image Classification
02-07
To address this problem, this paper proposes a unified deep network, combined with active transfer learning (TL) that can be well-trained for HSIs classification using only minimally labeled training...
【文献阅读】SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)
Q7777727的博客
04-11 622
择情阅读：SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021) 文章目录择情阅读：SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)一、摘要二、Introduction核心问题:两个key：两个extension：主要贡献：三、SSD1、背景：Contrastive self-supervised represent
SifrDB: A Unified Solution for Write-Optimized Key-Value Stores in Large Datacenter
02-08
However, current KV storage systems inevitably sacrifice at least one of the performance objectives, such as write, read, space efficiency etc., for the optimization of others. To understand the root...
StarGAN（2018）: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation
makabaka的博客
11-21 1208
StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation 简述： 现有的方法在两个以上的领域中具有有限的可扩展性和鲁棒性，因为不同的模型应该为每一对图像域独立地建立。为了解决这一限制，本文提出了StarGAN，可以仅使用一个模型在多个域中执行图像到图像的转换。starga...
【图像去雾】单尺度Retinex算法SSR+多尺度Retinex算法MSR+带彩色恢复因子的MSR算法MSRCR彩色图像去雾【含Matlab源码 4390期】
最新发布
Matlab912100926的博客
05-19 830
单尺度Retinex算法SSR+多尺度Retinex算法MSR+带彩色恢复因子的MSR算法MSRCR彩色图像去雾 完整的代码，方可运行；可提供运行操作视频！适合小白！
低照度增强--论文阅读【《Toward Fast, Flexible, and Robust Low-Light Image Enhancement》】
Vaeeeee的博客
02-06 4050
介绍一篇最近看的低照度增强方面的论文——自校准照明，文中所给的方法取得了非常不错的效果，值得我们去学习和思考。论文名称：Toward Fast, Flexible, and Robust Low-Light Image Enhancement（实现快速、灵活和稳健的低光照图像增强）论文信息：由大连理工大学2022年4月发表在CVPR Oral上的一篇文章。论文地址论文主要贡献总结如下:1.我们提出了一个自校正的共享权重照明学习模块，使各阶段的结果收敛，提高了曝光稳定性，大大减少了计算量。
低光图像增强（Low-light image enhancement）文章整理
热门推荐
fovever_的博客
05-02 1万+
低光图像增强是图像增强任务中的重要组成部分，目前对于低光图像增强方法的整理参差不全。因此希望在以有的文章基础上整理汇总一下现有的低光图像增强算法（文章和代码）。希望为自己以及大家查找低光图像增强领域的文章和代码提供一些便捷。
CVPR2022Oral专题系列(一)：低光增强
07-24 4268
这周立了Flag，一定要出一篇关于CVPR2022Oral论文解度博客。刚刚完成一个期刊的大修，马上就打开CSDN，就敲起键盘来。可见做什么事儿，都得有一口气顶住，才能不拖沓。闲话少叙，今天我们介绍的文章是大连理工大学的研究者所提出的一项关于低光增强的工作。...
视频增强Retinex算法介绍
左超
03-29 8945
<br />一、 视频增强的背景 <br /><br />   视觉信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的。随着多媒体技术飞速发展，视频图像得到了广泛重视和应用,其应用领域遍及广播电视、医学、保安监控、车场管理、军事及生命科学等方面。视频采集技术与显示技术的提升，使得人们对画质的要求越来越高，但是在各类图像系统中图像的传送和转换(如成像、复制、扫描、传输以及显示等)总要在一定程度上造成图像质量的降低。例如一些户外监控系统往往只能在晴天下才能正常工作，在大雾、沙尘等恶劣天气或
Retinex图像增强算法
weixin_30793643的博客
04-20 4213
前一段时间研究了一下图像增强算法，发现Retinex理论在彩色图像增强、图像去雾、彩色图像恢复方面拥有很好的效果，下面介绍一下我对该算法的理解。 Retinex理论 Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线，还和其周围的颜色和亮度有关。Retinex这个词是由视网膜(Retina)和大...
关于Retinex理论的一些理解
qq_42666791的博客
03-01 1万+
目前一直在参与关于Retinex的相关课题，并完成了许多模型的构建，本文以个人的见解介绍Retinex的相关理论1. 基本原理 Retinex理论是上世纪八十年代由land等人提出的算法。该理论认为人眼可以感知近似一致的色彩信息，这种性质称为色彩恒定性。这种恒定性是视网膜（Retina）与大脑皮层（Cortex）所共同作用的结果，即 Retinex理论。 Retinex 理论认为人眼视觉系统（Human Visual System, HVS）所感知到物体的色彩和亮度取决于物...
基于颜色恒常性的低照度图像增强
vola的专栏
02-24 1833
原文网址：http://blog.csdn.net/lionxiao/article/details/5934146 我最欣赏的一组图像。
【第52篇】RetinexNet: Deep Retinex Decomposition for Low-Light Enhancement
AI浩
10-19 2108
链接：https://arxiv.org/pdf/1808.04560.pdfRetinex模型是微光图像增强的有效工具。假设观测图像可以分解为反射率和照度。大多数现有的基于retina的方法都为这种高度病态分解精心设计了手工制作的约束和参数，在应用于各种场景时可能会受到模型容量的限制。
代码解读——Retinex低光照图像增强（Deep Retinex Decomposition for Low-Light Enhancement）
sf_qw39的博客
03-07 1万+
今天带来一篇代码解读的文章，是2018年BMVC上的一篇暗光增强文章。个人觉得网络比较轻量并且能够取得还不错的效果。废话不多说，直接贴传送门： 文章地址：http://arxiv.org/abs/1808.04560 源码地址：https://github.com/weichen582/RetinexNet 文章基于Retinex理论，不懂的请戳这里：https://blog.csdn.ne...
facenet: a unified embedding for face recognition and clustering
03-16
FaceNet是一种用于人脸识别和聚类的统一嵌入方法。它使用深度学习技术将人脸图像转换为高维向量，使得相似的人脸在向量空间中距离较近，不相似的人脸距离较远。这种方法在人脸识别和聚类任务中取得了很好的效果，被...
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