論文の概要: Enhancing Underwater Image via Adaptive Color and Contrast Enhancement,
and Denoising
- arxiv url: http://arxiv.org/abs/2104.01073v1
- Date: Fri, 2 Apr 2021 14:37:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 16:57:45.465415
- Title: Enhancing Underwater Image via Adaptive Color and Contrast Enhancement,
and Denoising
- Title(参考訳): 適応色・コントラスト強調による水中画像の強調と雑音化
- Authors: Xinjie Li, Guojia Hou, Kunqian Li
- Abstract要約: 水中画像強調のためのアダプティブカラーとコントラスト強調、およびACCE-D(Denoising)フレームワークを提案する。
我々は,acceの数値解法を導出し,解法を高速化するためにピラミッド型戦略を採用する。
実験の結果,提案手法は色補正,視認性向上,詳細表示に有効であることがわかった。
- 参考スコア(独自算出の注目度): 2.298932494750101
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Images captured underwater are often characterized by low contrast, color
distortion, and noise. To address these visual degradations, we propose a novel
scheme by constructing an adaptive color and contrast enhancement, and
denoising (ACCE-D) framework for underwater image enhancement. In the proposed
framework, Gaussian filter and Bilateral filter are respectively employed to
decompose the high-frequency and low-frequency components. Benefited from this
separation, we utilize soft-thresholding operation to suppress the noise in the
high-frequency component. Accordingly, the low-frequency component is enhanced
by using an adaptive color and contrast enhancement (ACCE) strategy. The
proposed ACCE is a new adaptive variational framework implemented in the HSI
color space, in which we design a Gaussian weight function and a Heaviside
function to adaptively adjust the role of data item and regularized item.
Moreover, we derive a numerical solution for ACCE, and adopt a pyramid-based
strategy to accelerate the solving procedure. Experimental results demonstrate
that our strategy is effective in color correction, visibility improvement, and
detail revealing. Comparison with state-of-the-art techniques also validate the
superiority of propose method. Furthermore, we have verified the utility of our
proposed ACCE-D for enhancing other types of degraded scenes, including foggy
scene, sandstorm scene and low-light scene.
- Abstract(参考訳): 水中で撮影された画像は、しばしば低コントラスト、色歪み、ノイズによって特徴づけられる。
このような視覚的劣化に対処するために,適応色とコントラスト強調を構築し,水中画像強調のためのACCE-Dフレームワークを提案する。
提案手法では, ガウスフィルタとバイラテラルフィルタを用いて, 高周波成分と低周波成分を分解する。
この分離の利点を生かして,ソフトスレッショルド操作により高周波成分のノイズを抑制する。
これにより、適応色とコントラスト強化(ACCE)戦略を用いて低周波成分を増強する。
提案したACCEは,HSI色空間に実装された適応型変分フレームワークであり,ガウス重み関数とヘヴィサイド関数を設計し,データ項目と正規化項目の役割を適応的に調整する。
さらに,acceの数値解法を導出し,解法を高速化するためにピラミッド型戦略を採用する。
実験の結果,提案手法は色補正,視認性向上,詳細表示に有効であることがわかった。
最先端技術との比較は,提案手法の優越性も検証する。
また,提案するacce-dの有用性を検証し,霧,砂嵐,低照度シーンなど他の種類の劣化シーンを改良した。
関連論文リスト
- You Only Need One Color Space: An Efficient Network for Low-light Image
Enhancement [51.33241089734805]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳(メタデータ) (2024-02-08T16:47:43Z) - 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) - Diving into Darkness: A Dual-Modulated Framework for High-Fidelity
Super-Resolution in Ultra-Dark Environments [51.58771256128329]
本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。
Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。
包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
論文 参考訳(メタデータ) (2023-09-11T06:55:32Z) - Self-Reference Deep Adaptive Curve Estimation for Low-Light Image
Enhancement [7.253235412867934]
自己参照深部適応曲線推定(Self-DACE)と呼ばれる2段階低照度画像強調手法を提案する。
最初の段階では、直感的で、軽量で、高速で、教師なしの輝度向上アルゴリズムを提示する。
また,自然画像の色,構造,忠実度を保存するために,物理モデルを単純化した新たな損失関数を提案する。
論文 参考訳(メタデータ) (2023-08-16T07:57:35Z) - CERL: A Unified Optimization Framework for Light Enhancement with
Realistic Noise [81.47026986488638]
現実世界で撮影された低照度画像は、センサーノイズによって必然的に破損する。
既存の光強調法は、拡張中の現実世界のノイズの重要な影響を見落としているか、ノイズ除去を別の前処理または後処理のステップとして扱うかのどちらかである。
実世界の低照度雑音画像(CERL)のコーディネート・エンハンスメントを行い,光強調部と雑音抑制部を一体化・物理接地したフレームワークにシームレスに統合する。
論文 参考訳(メタデータ) (2021-08-01T15:31:15Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳(メタデータ) (2021-03-19T04:00:27Z) - Underwater Image Color Correction by Complementary Adaptation [0.0]
本稿では,CIELAB色空間におけるTikhonov型最適化モデルに基づく水中色補正手法を提案する。
本手法は, 長期適応プロセスとして, 水中色キャストを効果的に除去し, バランスの取れた色分布を得る。
論文 参考訳(メタデータ) (2020-10-21T03:59:22Z) - Low-Light Maritime Image Enhancement with Regularized Illumination
Optimization and Deep Noise Suppression [5.401654133604235]
本稿では,照明の正規化と雑音抑圧による低照度画像の高精細化を提案する。
人工海事画像と現実海事画像の総合的な実験を行い,提案手法と最先端画像との比較を行った。
論文 参考訳(メタデータ) (2020-08-09T17:05:23Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳(メタデータ) (2020-05-06T13:37:08Z) - Underwater image enhancement with Image Colorfulness Measure [7.292965806774365]
トレーニング可能なエンドツーエンドニューラルモデルである新しいエンハンスメントモデルを提案する。
より詳細に、コントラストとカラフルネスのために、この拡張ネットワークはピクセルレベルと特性レベルのトレーニング基準によって共同で最適化されている。
論文 参考訳(メタデータ) (2020-04-18T12:44:57Z)
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。