論文の概要: Reflectance-Oriented Probabilistic Equalization for Image Enhancement

• arxiv url: http://arxiv.org/abs/2209.06406v1
• Date: Wed, 14 Sep 2022 04:20:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-15 13:25:13.989571
• Title: Reflectance-Oriented Probabilistic Equalization for Image Enhancement
• Title（参考訳）: 画像強調のための反射指向確率等化
• Authors: Xiaomeng Wu, Yongqing Sun, Akisato Kimura, Kunio Kashino
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 28.180598784444605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advances in image enhancement, it remains difficult for existing approaches to adaptively improve the brightness and contrast for both low-light and normal-light images. To solve this problem, we propose a novel 2D histogram equalization approach. It assumes intensity occurrence and co-occurrence to be dependent on each other and derives the distribution of intensity occurrence (1D histogram) by marginalizing over the distribution of intensity co-occurrence (2D histogram). This scheme improves global contrast more effectively and reduces noise amplification. The 2D histogram is defined by incorporating the local pixel value differences in image reflectance into the density estimation to alleviate the adverse effects of dark lighting conditions. Over 500 images were used for evaluation, demonstrating the superiority of our approach over existing studies. It can sufficiently improve the brightness of low-light images while avoiding over-enhancement in normal-light images.
• Abstract（参考訳）: 近年の画像エンハンスメントの進歩にもかかわらず、既存の手法では低光度画像と常光画像の両方の輝度とコントラストを適応的に改善することは困難である。 そこで本稿では,新しい2次元ヒストグラム等化手法を提案する。 強度発生と共起は互いに依存していると仮定し、強度共起(2Dヒストグラム)の分布に差をつけることによって強度発生の分布(1Dヒストグラム)を導出する。 この方式は、グローバルコントラストをより効果的に改善し、ノイズ増幅を低減する。 2Dヒストグラムは、画像反射率の局所的な画素値差を密度推定に組み込んで、暗い照明条件の悪影響を軽減することで定義される。 500以上の画像が評価に使われ、既存の研究よりも優れたアプローチを示しました。 低照度画像の輝度を十分に向上させ、通常光画像の過剰な強調を回避することができる。

関連論文リスト

• DPEC: Dual-Path Error Compensation Method for Enhanced Low-Light Image Clarity [2.8161423494191222]
  低照度条件下での画質向上のためのDual-Path Error Compensation (DPEC)法を提案する。 DPECには、微妙な違いを捉えるための正確なピクセルレベルの誤差推定と、ノイズ増幅を防ぐための独立したデノナイジング機構が組み込まれている。 総合的な定量的および定性的実験結果から,このアルゴリズムは低照度画像強調における最先端手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2024-06-28T08:21:49Z)
• 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)
• 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)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• 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)
• Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
  本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。 対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。 低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
  論文  参考訳（メタデータ） (2021-12-24T17:00:54Z)
• 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)
• Image Enhancement using Fuzzy Intensity Measure and Adaptive Clipping Histogram Equalization [21.963436654053226]
  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。
  論文  参考訳（メタデータ） (2021-01-15T00:59:55Z)
• 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)
• 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)

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。