論文の概要: Reflectance-Guided, Contrast-Accumulated Histogram Equalization
- arxiv url: http://arxiv.org/abs/2209.06405v1
- Date: Wed, 14 Sep 2022 04:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-15 13:25:26.519194
- Title: Reflectance-Guided, Contrast-Accumulated Histogram Equalization
- Title(参考訳): 反射誘導コントラスト付加ヒストグラム等化
- Authors: Xiaomeng Wu, Takahito Kawanishi, Kunio Kashino
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 31.060143365318623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing image enhancement methods fall short of expectations because with
them it is difficult to improve global and local image contrast simultaneously.
To address this problem, we propose a histogram equalization-based method that
adapts to the data-dependent requirements of brightness enhancement and
improves the visibility of details without losing the global contrast. This
method incorporates the spatial information provided by image context in
density estimation for discriminative histogram equalization. To minimize the
adverse effect of non-uniform illumination, we propose defining spatial
information on the basis of image reflectance estimated with edge preserving
smoothing. Our method works particularly well for determining how the
background brightness should be adaptively adjusted and for revealing useful
image details hidden in the dark.
- Abstract(参考訳): 既存の画像強調手法は,グローバルコントラストとローカルコントラストを同時に改善することが困難であるため,期待できない。
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し,グローバルコントラストを損なうことなく詳細視認性を向上させ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。
非均一照明の悪影響を最小限に抑えるため,エッジ保存平滑化により推定される画像反射率に基づいて空間情報を定義することを提案する。
本手法は,背景輝度を適応的に調整する方法や,暗に隠れた有用な画像詳細を明らかにするのに特に有効である。
関連論文リスト
- Revealing Shadows: Low-Light Image Enhancement Using Self-Calibrated
Illumination [4.913568097686369]
自己校正イルミネーション(Self-Calibrated Illumination, SCI)は、当初RGB画像向けに開発された戦略である。
我々はSCI法を用いて、低照度条件下で通常失われる詳細を強調・明らかにする。
この選択的照明強調方法は、色情報をそのまま残し、画像の色整合性を保つ。
論文 参考訳(メタデータ) (2023-12-23T08:49:19Z) - Relightful Harmonization: Lighting-aware Portrait Background Replacement [24.19548598390059]
背景画像を用いた背景像に対する高度な照明効果をシームレスに調和させるライティング対応拡散モデルであるRelightful Harmonizationを導入する。
まず、拡散モデルを用いて、対象画像の背景から照明情報をエンコードする照明表現モジュールを導入する。
第2に、画像背景から学習した照明特徴と、パノラマ環境マップから学習した照明特徴とを整列するアライメントネットワークを導入する。
論文 参考訳(メタデータ) (2023-12-11T23:20:31Z) - Layered Rendering Diffusion Model for Zero-Shot Guided Image Synthesis [60.260724486834164]
本稿では,テキストクエリに依存する拡散モデルにおける空間制御性向上のための革新的な手法を提案する。
視覚誘導(Vision Guidance)とレイヤーレンダリング拡散(Layered Rendering Diffusion)フレームワーク(Layered Diffusion)という2つの重要なイノベーションを提示します。
本稿では,ボックス・ツー・イメージ,セマンティック・マスク・ツー・イメージ,画像編集の3つの実践的応用に適用する。
論文 参考訳(メタデータ) (2023-11-30T10:36:19Z) - Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。
そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。
そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
論文 参考訳(メタデータ) (2023-10-14T17:59:46Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳(メタデータ) (2023-08-16T08:46:51Z) - LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image
Enhancement [62.17015413594777]
LUT-GCEという低照度画像強調のための効果的かつ効率的な手法を提案する。
画像全体に対する大域的な曲線を推定し、被曝と過剰露光の両方の補正を可能にする。
我々のアプローチは、特に高精細画像(例えば1080pと4k)において、推論速度の観点から、技術の現状よりも優れています。
論文 参考訳(メタデータ) (2023-06-12T12:53:06Z) - 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) - Image Harmonization with Region-wise Contrastive Learning [51.309905690367835]
本稿では,外部スタイルの融合と領域単位のコントラスト学習方式を備えた新しい画像調和フレームワークを提案する。
提案手法は, 前景と背景の相互情報を最大化することにより, 対応する正と負のサンプルをまとめることを試みる。
論文 参考訳(メタデータ) (2022-05-27T15:46:55Z) - StyLitGAN: Prompting StyleGAN to Produce New Illumination Conditions [1.933681537640272]
本稿では,ラベル付きデータがない場合に生成した画像をリライトし,再提示するための新しい手法であるStyLitGANを提案する。
提案手法では,ペアデータやCGIデータを必要とせず,キャストシャドウ,ソフトシャドウ,反射間効果,光沢効果などのリアルな照明効果を持つ画像を生成する。
論文 参考訳(メタデータ) (2022-05-20T17:59:40Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳(メタデータ) (2021-04-01T09:29:05Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳(メタデータ) (2020-07-04T06:26:44Z)
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。