論文の概要: Image Enhancement using Fuzzy Intensity Measure and Adaptive Clipping Histogram Equalization

• arxiv url: http://arxiv.org/abs/2101.05922v1
• Date: Fri, 15 Jan 2021 00:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-28 11:20:36.509012
• Title: Image Enhancement using Fuzzy Intensity Measure and Adaptive Clipping Histogram Equalization
• Title（参考訳）: ファジィインテンシティ測定と適応クリッピングヒストグラム等化を用いた画像強調
• Authors: Xiangyuan Zhu, Xiaoming Xiao, Tardi Tjahjadi, Zhihu Wu, Jin Tang
• Abstract要約: ファジィ強度測定と適応的クリッピングヒストグラム等化(FIMHE)を提案する。 バークレーデータベースとCVF-UGR-Imageデータベースの実験では、FIMHEが最先端のヒストグラム等化ベースの方法よりも優れていることが示されています。
• 参考スコア（独自算出の注目度）: 21.963436654053226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image enhancement aims at processing an input image so that the visual content of the output image is more pleasing or more useful for certain applications. Although histogram equalization is widely used in image enhancement due to its simplicity and effectiveness, it changes the mean brightness of the enhanced image and introduces a high level of noise and distortion. To address these problems, this paper proposes image enhancement using fuzzy intensity measure and adaptive clipping histogram equalization (FIMHE). FIMHE uses fuzzy intensity measure to first segment the histogram of the original image, and then clip the histogram adaptively in order to prevent excessive image enhancement. Experiments on the Berkeley database and CVF-UGR-Image database show that FIMHE outperforms state-of-the-art histogram equalization based methods.
• Abstract（参考訳）: 画像強調は、入力画像を処理することを目的としており、出力画像の視覚的内容が特定のアプリケーションでより面白く、より有用である。 ヒストグラムの等化は、その単純さと有効性から画像強調に広く用いられているが、強調画像の平均輝度を変化させ、高レベルのノイズや歪みをもたらす。 本稿では,ファジィ強度測定と適応クリッピングヒストグラム等化(FIMHE)を用いた画像強調手法を提案する。 FIMHEはファジィ強度測定を用いて、元の画像のヒストグラムをまず分割し、過剰な画像強調を防ぐために、ヒストグラムを適応的にクリップする。 バークレー・データベースとCVF-UGR-Imageデータベースの実験により、FIMHEは最先端のヒストグラム等化法よりも優れていることが示された。

関連論文リスト

• Multi-scale Frequency Enhancement Network for Blind Image Deblurring [7.198959621445282]
  視覚障害者のためのマルチスケール周波数拡張ネットワーク(MFENet)を提案する。 ぼやけた画像のマルチスケール空間およびチャネル情報をキャプチャするために,深度的に分離可能な畳み込みに基づくマルチスケール特徴抽出モジュール(MS-FE)を導入する。 提案手法は,視覚的品質と客観的評価の両指標において,優れた劣化性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-11-11T11:49:18Z)
• Unsupervised Modality Adaptation with Text-to-Image Diffusion Models for Semantic Segmentation [54.96563068182733]
  セグメンテーションタスクのためのテキスト・ツー・イメージ拡散モデル(MADM)を用いたモダリティ適応を提案する。 MADMは、広範囲な画像とテキストのペアで事前訓練されたテキストと画像の拡散モデルを使用して、モデルの相互モダリティ能力を向上する。 我々は,MADMが画像から深度,赤外線,イベントのモダリティといった様々なモダリティタスクにまたがって,最先端の適応性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-10-29T03:49:40Z)
• Frequency-Guided Masking for Enhanced Vision Self-Supervised Learning [49.275450836604726]
  本稿では、事前学習の有効性を大幅に向上させる、新しい周波数ベースの自己監視学習(SSL)手法を提案する。 我々は、知識蒸留によって強化された2ブランチのフレームワークを使用し、モデルがフィルタされた画像と原画像の両方を入力として取り込むことを可能にする。
  論文  参考訳（メタデータ） (2024-09-16T15:10:07Z)
• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [55.15950594752051]
  本稿では,コンテンツ適応型画像表現であるImage-GSを提案する。 異方性2Dガウスアンをベースとして、Image-GSは高いメモリ効率を示し、高速なランダムアクセスをサポートし、自然なレベルのディテールスタックを提供する。 画像-GSの一般的な効率性と忠実性は、最近のニューラルイメージ表現と業界標準テクスチャ圧縮機に対して検証される。 この研究は、機械認識、アセットストリーミング、コンテンツ生成など、適応的な品質とリソース制御を必要とする新しいアプリケーションを開発するための洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• Inhomogeneous illumination image enhancement under ex-tremely low visibility condition [3.534798835599242]
  濃霧を通した画像は、物体の検出や認識の曖昧化といったアプリケーションに不可欠な視覚情報を欠いているため、従来の画像処理手法を妨げている。 本稿では,構造微分・積分フィルタ(F)に基づく背景照明を適応的にフィルタし,信号情報のみを向上させる手法を提案する。 提案手法は, 極めて低視認性条件下で信号の明瞭度を著しく向上し, 既存の技術よりも優れており, 深部霧画像への応用に大きく貢献することを示した。
  論文  参考訳（メタデータ） (2024-04-26T16:09:42Z)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Reflectance-Oriented Probabilistic Equalization for Image Enhancement [28.180598784444605]
  本稿では,新しい2次元ヒストグラム等化手法を提案する。 強度発生と共起が互いに依存していると仮定し、強度発生の分布を導出する。 低照度画像の明るさを十分に向上すると同時に、通常の照度画像の過度の強調を回避できる。
  論文  参考訳（メタデータ） (2022-09-14T04:20:06Z)
• Reflectance-Guided, Contrast-Accumulated Histogram Equalization [31.060143365318623]
  そこで本研究では,輝度向上のためのデータ依存要求に適応するヒストグラム等化法を提案する。 この方法は、画像コンテキストによって提供される空間情報を、識別的ヒストグラム等化のための密度推定に組み込む。
  論文  参考訳（メタデータ） (2022-09-14T04:14:30Z)
• Underwater Image Enhancement Using Convolutional Neural Network [1.1602089225841632]
  ヒストグラム等化(Histogram equalization)は、コントラストを高めるために画像強度を調整する技術である。 画像の色は、水中画像のデータセットによってトレーニングされた畳み込みニューラルネットワークモデルを用いて保持される。
  論文  参考訳（メタデータ） (2021-09-18T12:01:14Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。