- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
对称路径下的自然低光图像增强深度精修网络
摘要： 由于相机传感器的成本限制，在低光照环境下拍摄的图像往往存在对比度低和多种噪声问题。目前已有多种算法被提出用于提升输入低光照图像的对比度并抑制噪声。本文构建了一个深度精修网络LL-RefineNet，通过合成暗光噪声训练图像进行学习，并采用对称的前向与后向路径对自然低光照图像进行增强处理。该网络利用下采样路径中的全部有效信息生成高分辨率增强结果，其中深层捕获的全局特征会通过早期卷积生成的局部特征逐步优化。我们进一步设计了针对混合噪声的训练损失函数。实验结果表明，在合成与自然低光照图像数据集上，LL-RefineNet在定性与定量指标上均优于对比方法，且具有快速的处理速度。
关键词： 深度精修网络，图像增强，低光照图像
更新于2025-09-23 15:22:29
-
通过生成和融合多源信息实现单幅低光照图像增强
摘要： 光线条件不理想通?；嵋蛞肽：耐枷裣附诤徒喜畹耐枷穸员榷榷档褪泳踔柿?。基于单一输入的传统低光增强模型往往难以避免过度增强或增强不足的问题?；诙嗍淙朐慈诤系哪Ｐ屯ǔＤ芙虾玫鼗航庹庖晃侍猓蛭强梢孕鞑煌丛刺峁┑耐怀【暗幕ゲ故泳跬夤?。然而，这些模型在仅有一个输入源的情况下（这在许多实际场景中经常发生）仍存在处理困难。本文提出了一种通过人工丰富输入源并实现无缝融合的低光增强模型。具体而言，针对输入图像，我们首先基于亮度感知相机响应模型生成多幅增强图像，随后通过基于图像块分解的中层融合策略进行融合。为验证模型效果，我们在真实图像数据集上与多种先进单源及多源模型进行了定性与定量比较。实验结果表明，本模型在视觉自然度和美学质量方面能更有效地提升图像品质。
关键词： 融合、图像增强、低光照图像
更新于2025-09-23 15:21:21
-
基于非下采样剪切波变换的低光照图像增强
摘要： 为提高低光照图像的可观测性，本文提出一种基于非下采样剪切波变换（NSST）的低光照图像增强算法（LIEST）。该算法能同步实现对比度提升、噪声抑制及特定方向细节增强。首先推导低光照含噪图像的增强框架，随后依据该框架通过NSST将低光照含噪图像分解为低通子带系数与带通方向子带系数。接着在NSST域内，基于低通子带系数的亮通道估计光照图，同时通过收缩带通方向子带系数抑制噪声。最终根据估计的光照图、低通子带系数及收缩后的带通方向子带系数实施逆NSST变换以实现低光照图像增强。实验表明，相较于七种同类算法，LIEST在提升对比度、抑制噪声及突出特定细节方面均展现出更优性能。
关键词： 低光照图像、非下采样剪切波变换、图像分解、噪声抑制、图像增强
更新于2025-09-19 17:13:59
-
通过Exclusively Dark数据集了解弱光图像
摘要： 弱光是我们日?；肪持胁豢杀苊獾脑兀峒笥跋焓泳跣?。尽管低光照图像研究（尤其是图像增强领域）持续增长，但仍缺乏权威基准数据库。值得注意的是，即便近年来目标检测等可能辅助弱光环境研究的领域取得诸多突破（如PASCAL VOC、ImageNet和Microsoft COCO等成功公共基准数据集中弱光数据占比不足2%），该问题仍未得到重视。为此我们提出"全暗数据集"以缓解数据匮乏——该数据集仅包含可见光拍摄的弱光图像，并配有图像级与目标级标注。通过分析手工特征与学习特征的可视化结果，我们揭示了弱光对目标检测任务的影响远超"光照不变性"能解决的层面。希望本分析与全暗数据集能推动各领域弱光研究发展。数据集下载地址：https://github.com/cs-chan/Exclusively-Dark-Image-Dataset。
关键词： 特征分析、低光照图像、数据集、目标检测、光照不变性
更新于2025-09-10 09:29:36