論文の概要: Bio-Inspired Night Image Enhancement Based on Contrast Enhancement and Denoising

• arxiv url: http://arxiv.org/abs/2307.05447v1
• Date: Tue, 11 Jul 2023 17:22:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 13:56:20.566583
• Title: Bio-Inspired Night Image Enhancement Based on Contrast Enhancement and Denoising
• Title（参考訳）: コントラスト強調と発声に基づくバイオインスパイアされた夜間画像強調
• Authors: Xinyi Bai, Steffi Agino Priyanka, Hsiao-Jung Tung, and Yuankai Wang
• Abstract要約: 対応する昼間画像と比較して、夜間画像は、低輝度、低コントラスト、高雑音として特徴付けられる。 本稿では,低照度画像をより明るく鮮明なものに変換するために,バイオインスパイアされた画像強調アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.13124513975412253
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the low accuracy of object detection and recognition in many intelligent surveillance systems at nighttime, the quality of night images is crucial. Compared with the corresponding daytime image, nighttime image is characterized as low brightness, low contrast and high noise. In this paper, a bio-inspired image enhancement algorithm is proposed to convert a low illuminance image to a brighter and clear one. Different from existing bio-inspired algorithm, the proposed method doesn't use any training sequences, we depend on a novel chain of contrast enhancement and denoising algorithms without using any forms of recursive functions. Our method can largely improve the brightness and contrast of night images, besides, suppress noise. Then we implement on real experiment, and simulation experiment to test our algorithms. Both results show the advantages of proposed algorithm over contrast pair, Meylan and Retinex.
• Abstract（参考訳）: 夜間における多数の知的監視システムにおける物体検出と認識の精度が低いため、夜間画像の品質が重要である。 対応する昼間画像と比較すると、夜間画像は低輝度、低コントラスト、高ノイズとして特徴付けられる。 本稿では,低照度画像をより明るく鮮明なものに変換するために,バイオインスパイアされた画像強調アルゴリズムを提案する。 既存のバイオインスパイアされたアルゴリズムと異なり、提案手法はトレーニングシーケンスを一切使用せず、再帰関数の形式を使わずに、新しいコントラスト拡張とデノナイズアルゴリズムの連鎖に依存している。 本手法は夜間画像の明るさとコントラストを大幅に向上させることができる。 そして、実際の実験を行い、シミュレーション実験を行い、アルゴリズムをテストする。 両結果は, コントラスト対, meylan および retinex に対するアルゴリズムの利点を示す。

関連論文リスト

• 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)
• 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)
• When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth Estimation [47.617222712429026]
  既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。 まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。 第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
  論文  参考訳（メタデータ） (2022-06-28T09:29:55Z)
• Details Preserving Deep Collaborative Filtering-Based Method for Image Denoising [3.4176234391973512]
  本稿では,Deep-CoFiB(Deep-CoFiB)アルゴリズムを提案する。 このアルゴリズムは、最適化されたニューラルネットワークモデルのセットを使用してスパース領域における画像パッチの協調分解を行う。 大規模な実験により、DeepCoFiBは(PSNRとSSIMの観点から)多くの最先端の復調アルゴリズムよりも定量的に(定量的に)実行されたことが示されている。
  論文  参考訳（メタデータ） (2021-07-11T19:02:36Z)
• Context-Aware Image Denoising with Auto-Threshold Canny Edge Detection to Suppress Adversarial Perturbation [0.8021197489470756]
  本論文では,新しいコンテキスト認識画像デノイジングアルゴリズムを提案する。 適応画像スムージング技術とカラーリダクション技術を組み合わせて、逆画像からの摂動を除去します。 提案手法は, 敵の攻撃による敵の摂動を低減し, 深部畳み込みニューラルネットワークモデルの堅牢性を向上することを示す。
  論文  参考訳（メタデータ） (2021-01-14T19:15:28Z)
• Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
  昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。 実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。 実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-10T02:16:46Z)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)
• 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)
• 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)
• Learning an Adaptive Model for Extreme Low-light Raw Image Processing [5.706764509663774]
  画質向上のための適応型低照度生画像強調ネットワークを提案する。 提案手法は、最先端の低照度アルゴリズムと比較してノイズレベル推定(NLE)のスコアが低い。 ビデオ処理における潜在的な応用について概説する。
  論文  参考訳（メタデータ） (2020-04-22T09:01:07Z)

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。