文章概述 这篇文章来自 ACM MM 2019。本文建立了一个简单而有效的点燃黑暗（表示为 KinD）的网络，它受 Retinex 理论的启发，将原始图像分解为反射率和光照两个部分，其中光照负责光的调节，而反射率负责去除退化。通过这种方式，原始空间被解耦成两个较小的子空间，期望得到更好的学习。整个网络由两个组件组成，分别用于处理反射率和光照。从功能上看，还可
转载
2024-04-29 17:45:50
643阅读
Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement 一、摘要本文提出了一种新颖的方法，零参考深度曲线估计 (Zero-DCE)，它将光增强公式化为具有深度网络的图像特定曲线估计的任务。我们的方法训练轻量级深度网络 DCE-Net，以估计给定图像的动态范围调整的像素级和高阶曲线。曲线估计是专门
想要注意的是，模型和数据集的详细信息并不是这里的主要关注点（它们只是为了尽可能简单，以便读者可以在自己的机器上复现，而不需要下
原创
2024-08-08 11:40:18
95阅读
SVM全称是supported vector machine(支持向量机)，即寻找到一个超平面使样本分成两类，并且间隔最大。SVM能够执行线性或⾮线性分类、回归，甚至是异常值检测任务。它是机器学习领域最受欢迎的模型之一。SVM特别适用于中小型复杂数据集的分类。超平面最大间隔 上左图显示了三种可能的线性分类器的决策边界：虚线所代表的模型表现非常糟糕，甚至都无法正确实现分类。其余两个模型在
【论文介绍】提出了一种全局光照感知和细节保持网络（GLADNet）来增强低照度图像，首先计算低光输入的全局光照估计，然后在估计的引导下调整光照，并使用与原始输入的连接来补充细节。【题目】：GLADNet: Low-Light Enhancement Network with Global Awareness
【DOI】：10.1109/FG.2018.00118
【会议】：2018 13th
1. 研究分类：图像增强和图像复原----图像增强：基于图像增强的去雾算法出发点是尽量去除图像噪声，提高图像对比度，从而恢复出无雾清晰图像
----方法：直方图均衡化（HLE）、自适应直方图均衡化（AHE）、限制对比度自适应直方图均衡化（CLAHE）、Retinex算 法、小波变换、同态滤波。
----图像复原：基于大气退化模型，进行响应的去雾处理
----方法：暗通道去雾算法
转载
2024-04-09 10:34:35
406阅读
EnlightenGAN: Deep Light Enhancement without Paired Supervision论文解读Motivation and introduction最近在xiajiba看一些论文，看到了关于低光图像增强的无监督学习的一篇论文。如题。作者题目起的非常低调，大概表达的意思是做了一件事情，之后论文的故事讲的也非常好。作者在introduction中介绍了现有的一些
转载
2024-05-17 20:40:49
152阅读
点赞
之前在做光照对于高层视觉任务的影响的相关工作，看了不少基于深度学习的低光照增强（low-light enhancement）的文章，于是决定简单梳理一下。光照估计（illumination estimation）和低光照增强（low-light enhancement）的区别：光照估计是一个专门的底层视觉任务（例如[1,2,6]），它的输出结果可以被用到其它任务中，例如图像增强、图像恢复（处理色差
转载
2024-08-20 17:33:10
221阅读
最近做项目看了一篇论文《Learn to See in the Dark》下面是一些论文笔记概括： 这篇论文主要介绍的是在低光照的环境下用两个标准的FCN网络，通过控制变量法来对比不同的去噪，增加信噪比（SNR）的方案，最终找到一个很好的解决方案。下面是详细介绍：图片噪声影响： 由于图片拍摄的一些参数的设置不同，图片总是会出现一些噪声，或者的模糊等现象。高ISO可以提亮，但也会放大噪声。直接缩
六、蜂巢式测光和十六区测光 蜂巢式测光是美能达在其第三代AF单反机Dynax 7xi上首创的，它也是属分区测光方式中的一种，但比较特别，故单独介绍。整个画面共分成14个区域，中央有13个面积相同的六边形小区域，似蜂巢状的，其余部分属第14个区域。分别由14段SPD进行测光，中央13段SPD测量前景(即被摄主体)曝光值，任何位于第14段 SPD测光范围内的景物均算是背景。&nb
一、文章摘要概述文章的题目是：《MBLLEN: Low-light Image/Video Enhancement Using CNNs》 这是一篇2018年6月份的BMCV(视觉顶刊)使用CNN做图像弱光增强的一篇会议文章，针对单分支或简单神经网络不能同时进行亮度、对比度增强和伪影去除、降噪等多功能需求，文章提出一种多分支弱光增强网络模型–MBLLEN。通过CNN卷积层将图像丰富的特征提取到不同
【论文介绍】【题目】：URetinex-Net: Retinex-based Deep Unfolding Network for Low-light Image Enhancement
【会议】：2022-CVPR
【机构】：深圳大学
【作者】：Wenhui Wu, Jian Weng, Pingping Zhang, Xu Wang, Wenhan Yang, Jianmin Jiang
【
转载
2024-09-13 10:21:51
197阅读
作者：匿名用户配不配best paper这点不是在下这种匿名菜鸡能评价的，只是说一点在下知道的。仅从cv的角度来看，这类组合优化背景的geometric fitting的问题还是挺有应用背景的（以在下粗鄙的理解就是给一个目标的参数方程形式，但有多少个目标咱不知道，这类问题在cv里除了论文里面的ransac，还有一大类就是类别数目未定的图像分割，很多欧洲老哥把这类问题叫stochastic geom
转载
2024-06-30 10:57:35
55阅读
Abstract 同时增强弱光图像并去除其噪声是不适定的，我们观察到噪声在不同频率层中表现出不同的对比度，并且在低频层比在高频层更容易检测噪声。受此启发，我们提出了一种基于频率的分解和增强模型，用于微光图像增强。基于该模型，我们提出了一种新的网络，该网络首先学习在低频层恢复图像对象，然后基于恢复的图像对象增强高频细节。此外，为了便于学习，我们还准备了一个新的具有真实噪声的微光图像数据集。
转载
2024-04-22 16:15:35
106阅读
【论文介绍】提出了一种基于频率的分解和增强模型，用于低光图像去噪，并增强细节。【题目】：Learning to Restore Low-Light Images via Decomposition-and-Enhancement
【DOI】：10.1109/CVPR42600.2020.00235
【时间】：2020
【会议】：2020-CVPR
【机构】：大连理工大学、香港城市大、Pengc
论文地址项目地址Introduction 这是一篇低光照图像增强的文章，提出了一个新的微光图像增强方法 - - 多分支弱光增强网络（MBLLEN），其核心是完全卷积神经网络。该算法由特征提取模块、增强模块和融合模块三类模块组成。此外该方法还可以应用于视频的低光照处理上。 其思想是：1）通过FEM方法提取不同层次的丰富特征，2）分别通过EM增强多层次特征，3）通过FM多分支融合获得最终输出。通过这种
又有很久没有动笔了，主要是最近没研究什么东西，而且现在主流的趋势都是研究深度学习去了，但自己没这方面的需求，同时也就很少有动力再去看传统算法，今天一个人在家，还是抽空分享一个简单的算法吧。 前段日子在看水下图像处理方面的资料时，在github搜到一个链接，里面居然有好几篇文章附带的代码，除了水下图像的文章外，我看到了一篇《Adaptive Local Tone Mapping Based on
目录1. 简介2. SCI3. 实验结果Reference1. 简介顾名思义，低光增强就是把曝光异常的图片作为输入，通过计算，重建曝光信息，使得原本受到曝光影响的区域，其内部的像素细节能够被显示出来。这项技术被广泛的应用在数字成像系统，图片后期处理软件等。目前主流的工作可以被分为两个部分，Model-based 和 Network-based。Model-based方法基于Retinex理论[2]
转载
2024-07-17 22:06:12
443阅读
作者 | 范厘针 编辑 | 汽车人跟踪的评价指标有哪些？首先明确评价目标跟踪算法的出发点：希望所有出现的目标都要被及时找到；希望每个目标的位置要与真实的目标位置一致；希望每个目标都被分配一个唯一的ID，并且分配给这个目标的ID在整个序列中保持不变。用于评价的文件det.txt这个文件是保存模型推理的检测结果的文件，内容如下：1,-1,1359.1
1. 引言1.1 引出图像照度增强：提高图像整体和局部的对比度、去噪，适当调整图像背景和边缘．1.2 目前的两种照度增强方法：经典（传统）：基于直方图均衡化(HE)以累计分布函数为基础的直方图修改方法，将图像直方图调整为均衡分布以拉伸图像的动态范围，从而提高图像对比.改进方法有：KimCelik特点：该类方法操作简单、效率高，但生成图像易受伪影影响、真实感不强．经典（传统）：基于Retinex理论
转载
2024-04-23 18:53:55
307阅读
