![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像增强文献阅读
文章平均质量分 62
HH~LL
这个作者很懒,什么都没留下…
展开
-
图像增强论文精读——ExCNet:Zero-Shot Restoration of Back-lit Images Using Deep Internal Learning
Zero-Shot Restoration of Back-lit Images Using Deep Internal Learning1. 摘要2. 方法概述2.1 "S"曲线5. 参考文献论文代码1. 摘要如何恢复背光图像仍然是一个具有挑战性的任务。这一领域中最先进的方法是基于监督学习,因此它们通常局限于特定的训练数据。在本文中,我们提出了一种“零次”(Zero-shot)的背光图像恢复方案,它利用了深度学习的能力,但不依赖任何之前的图像示例或之前的训练。具体来说,我们在测试时训练一个针对图像原创 2022-04-25 12:52:52 · 5777 阅读 · 3 评论 -
图像增强论文阅读笔记——DALE : Dark Region-Aware Low-light Image Enhancement
DALE : Dark Region-Aware Low-light Image Enhancement1. 介绍2. 提出的方法1. 介绍本文提出了一种新的微光图像增强方法,即暗区感知微光图像增强(dark region-aware微光图像增强,DALE),该方法通过所提出的视觉注意模块准确识别暗区,增强暗区亮度。该方法利用超像素进行视觉注意估计,无需复杂的过程。因此,该方法可以保持原始图像的颜色、色调和亮度,并防止图像中正常照明区域的饱和和扭曲。实验结果表明,该方法能够通过视觉注意准确识别暗区,在定原创 2022-04-12 17:41:01 · 1362 阅读 · 0 评论 -
低照度图像增强论文阅读笔记——ZERO-SHOT RESTORATION OF UNDEREXPOSED IMAGES VIA ROBUST RETINEX DECOMPOSITION
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),将输入图像分解原创 2022-03-29 21:08:54 · 7723 阅读 · 5 评论 -
低照度图像增强论文阅读Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement代码讲解
相关笔记https://blog.csdn.net/qq_43555843/article/details/110956349?ops_request_misc=&request_id=&biz_id=102&utm_term=Zero-Reference%20Deep%20Curve%20Esti&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-1-110956349原创 2021-11-05 15:09:57 · 384 阅读 · 0 评论 -
UEGAN:基于GAN的无监督图像增强
UEGAN:基于GAN的无监督图像增强对于公众而言,提高图像的美学质量是充满挑战和渴望的。为了解决这个问题,大多数现有算法都是基于监督学习方法来学习用于配对数据的自动图像增强器,该图像增强器由低质量的图像和相应的专家修饰版本组成。但是,专家修饰的照片的风格和特征可能无法满足一般用户的需求或偏好。在本文中,我们提出了一种无监督的图像增强生成对抗网络(UEGAN),该网络以无监督的方式从一组具有所需特征的图像中学习相应的图像到图像的映射,而不是学习大量的成对图像。所提出的模型基于单个深度GAN,它嵌入了调制和原创 2021-10-27 11:13:22 · 2492 阅读 · 0 评论