数字图像处理
文章平均质量分 92
追梦Hocking
这个作者很懒,什么都没留下…
展开
-
Rethinking Performance Gains in Image Dehazing Networks
论文源码:https://download.csdn.net/download/zhouaho2010/87393184 Abstract图像去雾是低层视觉中的一个活跃话题,随着深度学习的快速发展,许多图像去雾网络被提出。尽管这些网络的工作良好,但提高图像去雾性能的关键机制仍不清楚。出于这个原因,我们不打算提出一个具有奇特模块的去雾网络;相反,我们对流行的U-Net进行最小的修改以获得紧凑的去雾网络。具体来说,我们将U-Net中的卷积块交换为具有门控机制的残差块,融合主路径的特征映射,并使用选择核跳过连接原创 2023-01-20 17:26:42 · 2800 阅读 · 1 评论 -
Deep Retinex Decomposition for Low-LightEnhancement (2018 BMCV,含代码)
摘要Retinex模型是弱光图像增强的有效工具。它假设观察到的图像可以分解为反射率和照明度。大多数现有的基于retinex的方法都为这种高度病态的分解精心设计了手工制作的约束和参数,当应用于各种场景时,这可能会受到模型容量的限制。在本文中,我们收集了一个包含低/正光图像对的低光数据集(LOL),并提出了一个在该数据集上学习的深度Retinex网,包括一个用于分解的Decom-Net网和一个用于照明调整的Enhance-Net 。在深度网的训练过程中,没有分解的反射率和照明的地面真相ground truth。原创 2022-07-12 12:18:42 · 2877 阅读 · 1 评论 -
MBLLEN: Low-light Image/VideoEnhancement Using CNNs (2018 BMCV(视觉顶刊))
Abstract 我们提出了一种基于深度学习的弱光图像增强方法。这个问题具有挑战性,因为难以同时处理各种因素,包括亮度、对比度、伪影和噪声。为了解决这一任务,我们提出了多分支低光增强网络(MBLLEN)。其关键思想是从不同的层次上提取丰富的特征,使我们可以通过多个子网应用增强,最终通过多分支融合生成输出图像。这样,就从不同的方面提高了图像质量。通过大量的实验,我们提出的MBLLEN被发现大大优于最先进的技术。此外,我们还表明,我们的方法可以直接扩展到处理低光视频。https://github.com/Lvf原创 2022-06-16 21:28:16 · 2903 阅读 · 1 评论 -
Gradient Domain Guided Image Filtering个人学习笔记
摘要引导式图像滤波器(GIF)以其保边特性和低计算复杂度,是一种著名的局部滤波器。不幸的是,GIF可能会遭受光晕伪影,因为在GIF中使用的局部线性模型不能很好地在某些边缘附近表示图像。本文结合显式的一阶边缘感知约束,提出了一种梯度域GIF。边缘感知约束使边缘被更好地保持下来。为了说明该滤波器的效率,将所提出的梯度域GIF应用于单图像细节增强、高动态范围图像的音调映射和图像显著性检测。理论分析和实验结果表明,所提出的梯度域GIF可以产生更好的合成图像,特别是在原始GIF中出现晕的边缘附近。一、..原创 2022-03-17 18:21:26 · 5195 阅读 · 3 评论 -
图像去雾算法学习笔记1——何凯明博士基于暗通道先验的单幅图像去雾算法公式推导
图像去雾算法学习笔记1本人现在是国内某211大学博士研究生,刚入学1个多月,把深度学习和图像处理做为自己的研究方向,从图像去雾算法开始看起。说到图像去雾算法,不得不提大牛何凯明博士,圈内都知道他的:何凯明博士,本科毕业于清华大学基础科学班。他是2006年微软小学者奖学金获得者之一,同时也是2003年广东省高考状元。2007年清华大学毕业之后开始在微软亚洲研究院(MSRA)实习,2011年香港...原创 2019-10-24 09:28:59 · 16491 阅读 · 3 评论 -
数字图像处理中的一些易混淆概念:灰度、灰度级、灰度化、二值化、分辨率、屏幕分辨率、像素值、对比度
1、像素点像素点是最小的图像单元,一张图片由好多的像素点组成。如下图 可以看...转载 2019-10-25 16:32:43 · 4926 阅读 · 0 评论