論文の概要: Fast Dust Sand Image Enhancement Based on Color Correction and New Membership Function

• arxiv url: http://arxiv.org/abs/2307.15230v1
• Date: Thu, 27 Jul 2023 23:18:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 14:13:16.736284
• Title: Fast Dust Sand Image Enhancement Based on Color Correction and New Membership Function
• Title（参考訳）: 色補正と新しいメンバーシップ関数による砂砂の高速画像強調
• Authors: Ali Hakem Alsaeedi, Suha Mohammed Hadi, Yarub Alazzawi
• Abstract要約: 提案モデルは,色変化の補正,ヘイズ除去,コントラストと明るさの増強の3段階からなる。 実験結果から, 提案手法は赤と黄色の鋳造体を効果的に除去し, 高品質で量の多いダスト画像を提供するという点で, 現在の研究よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Images captured in dusty environments suffering from poor visibility and quality. Enhancement of these images such as sand dust images plays a critical role in various atmospheric optics applications. In this work, proposed a new model based on Color Correction and new membership function to enhance san dust images. The proposed model consists of three phases: correction of color shift, removal of haze, and enhancement of contrast and brightness. The color shift is corrected using a new membership function to adjust the values of U and V in the YUV color space. The Adaptive Dark Channel Prior (A-DCP) is used for haze removal. The stretching contrast and improving image brightness are based on Contrast Limited Adaptive Histogram Equalization (CLAHE). The proposed model tests and evaluates through many real sand dust images. The experimental results show that the proposed solution is outperformed the current studies in terms of effectively removing the red and yellow cast and provides high quality and quantity dust images.
• Abstract（参考訳）: 視認性と品質の悪いほこりの多い環境で撮影された画像。 砂塵画像のようなこれらの画像の強調は、様々な大気光学応用において重要な役割を果たす。 そこで本研究では,色補正に基づく新しいモデルと,サンダスト画像を強化する新しいメンバーシップ機能を提案する。 提案モデルは,カラーシフトの補正,ヘイズ除去,コントラストと明るさの向上の3段階からなる。 yuv色空間におけるuとvの値を調整するために、新しいメンバーシップ関数を用いて色シフトを補正する。 アダプティブダークチャンネルプリミティブ(A-DCP)は、ヘイズ除去に用いられる。 ストレッチコントラストと画像輝度の改善は、Contrast Limited Adaptive Histogram Equalization (CLAHE)に基づいている。 提案手法は,多くの実砂塵画像を用いて実験・評価を行う。 実験の結果,赤と黄色の鋳型を効果的に除去し,高品質で量の多いダスト画像を提供するという現在の研究よりも,提案手法が優れていることがわかった。

関連論文リスト

• Underwater Image Enhancement with Cascaded Contrastive Learning [51.897854142606725]
  水中画像強調(UIE)は、水中環境の複雑さと水中画像劣化の多様性のために非常に困難な課題である。 既存のディープラーニングベースのUIEメソッドの多くは、多様な劣化に同時に対処できないシングルステージネットワークに従っている。 本稿では,2段階の深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-16T03:16:44Z)
• A Nerf-Based Color Consistency Method for Remote Sensing Images [0.5735035463793009]
  暗黙の表現を用いて画像特徴を一緒に織り込み、次に特徴空間を再照らし、新しい視点で融合画像を生成する、多視点画像のためのNeRFに基づく色整合法を提案する。 実験結果から,本手法により生成した合成画像は,エッジにおける視覚効果とスムーズな色遷移に優れることがわかった。
  論文  参考訳（メタデータ） (2024-11-08T13:26:07Z)
• Dual High-Order Total Variation Model for Underwater Image Restoration [13.789310785350484]
  水中画像の高画質化と復元(UIER)は,水中画像の画質向上のための重要な手段である。 拡張水中画像形成モデル(UIFM)に基づく効果的な変分フレームワークを提案する。 提案フレームワークでは,重み係数に基づく色補正とカラーバランスを組み合わせることで,減衰した色チャネルを補償し,色キャストを除去する。
  論文  参考訳（メタデータ） (2024-07-20T13:06:37Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• ShadowDiffusion: When Degradation Prior Meets Diffusion Model for Shadow Removal [74.86415440438051]
  画像と劣化先行情報を統合した統合拡散フレームワークを提案する。 SRDデータセット上でのPSNRは31.69dBから34.73dBへと大幅に向上した。
  論文  参考訳（メタデータ） (2022-12-09T07:48:30Z)
• Exposure Correction Model to Enhance Image Quality [70.7848787073901]
  露光誤りと過度な露光誤りの両方を扱うために,エンドツーエンドの露光補正モデルを提案する。 我々のモデルは、補正された画像を生成するために、画像エンコーダ、連続残差ブロック、画像デコーダを含む。 提案モデルを用いて露出補正を行った結果,ポートレートマッチングの品質は著しく向上した。
  論文  参考訳（メタデータ） (2022-04-22T11:38:52Z)
• Enhancing Underwater Image via Adaptive Color and Contrast Enhancement, and Denoising [2.298932494750101]
  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。
  論文  参考訳（メタデータ） (2021-04-02T14:37:20Z)
• Designing a Practical Degradation Model for Deep Blind Image Super-Resolution [134.9023380383406]
  単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。 本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-25T17:40:53Z)
• 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)
• 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。