論文の概要: Inhomogeneous illuminated image enhancement under extremely low visibility condition

• arxiv url: http://arxiv.org/abs/2404.17503v1
• Date: Fri, 26 Apr 2024 16:09:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-29 12:35:26.093457
• Title: Inhomogeneous illuminated image enhancement under extremely low visibility condition
• Title（参考訳）: 極低視認性条件下における不均一照明画像強調
• Authors: Libang Chen, Yikun Liu, Jianying Zhou,
• Abstract要約: 霧を通してのイメージングは、物体の検出や認識などの分野に大きな影響を及ぼす。 従来のデジタル処理技術は、大気散乱により減少する物体光のコントラストを高めることにより、霧効果を軽減することを目的としている。 本稿では,背景照明を極めて低視認性で適応的にフィルタする手法を提案する。
• 参考スコア（独自算出の注目度）: 4.142809446006618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imaging through fog significantly impacts fields such as object detection and recognition. In conditions of extremely low visibility, essential image information can be obscured, rendering standard extraction methods ineffective. Traditional digital processing techniques, such as histogram stretching, aim to mitigate fog effects by enhancing object light contrast diminished by atmospheric scattering. However, these methods often experience reduce effectiveness under inhomogeneous illumination. This paper introduces a novel approach that adaptively filters background illumination under extremely low visibility and preserve only the essential signal information. Additionally, we employ a visual optimization strategy based on image gradients to eliminate grayscale banding. Finally, the image is transformed to achieve high contrast and maintain fidelity to the original information through maximum histogram equalization. Our proposed method significantly enhances signal clarity in conditions of extremely low visibility and outperforms existing algorithms.
• Abstract（参考訳）: 霧を通してのイメージングは、物体の検出や認識などの分野に大きな影響を及ぼす。 可視性が極端に低い場合、必須画像情報は隠蔽され、標準抽出法は効果がない。 ヒストグラムストレッチのような従来のデジタル処理技術は、大気散乱によって減少する物体光のコントラストを高めることにより、霧の影響を軽減することを目的としている。 しかし、これらの方法は不均一照明下で効果を低下させることが多い。 本稿では,背景照明を極めて低視認性で適応的にフィルタし,重要な信号情報のみを保存する手法を提案する。 さらに、画像勾配に基づく視覚的最適化手法を用いて、グレースケールバンドリングを除去する。 最後に、画像は、最大ヒストグラム等化により、高コントラストを実現し、元の情報に対する忠実性を維持するように変換される。 提案手法は,可視性が非常に低い条件下で信号の明瞭度を著しく向上し,既存のアルゴリズムよりも優れる。

関連論文リスト

• Unsupervised Low-light Image Enhancement with Lookup Tables and Diffusion Priors [38.96909959677438]
  低照度画像強調(LIE)は、低照度環境において劣化した画像を高精度かつ効率的に回収することを目的としている。 近年の先進的なLIE技術は、多くの低正規の光画像対、ネットワークパラメータ、計算資源を必要とするディープニューラルネットワークを使用している。 拡散先行とルックアップテーブルに基づく新しい非教師付きLIEフレームワークを考案し,低照度画像の効率的な回復を実現する。
  論文  参考訳（メタデータ） (2024-09-27T16:37:27Z)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• Latent Feature-Guided Diffusion Models for Shadow Removal [50.02857194218859]
  本稿では,拡散過程における影領域の詳細を段階的に洗練する,有望なアプローチとして拡散モデルの利用を提案する。 シャドウフリー画像の特徴を継承する学習された潜在特徴空間を条件付けすることで,この処理を改善する。 AISTDデータセット上でRMSEを13%向上させる手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• 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)
• Improving Aerial Instance Segmentation in the Dark with Self-Supervised Low Light Enhancement [6.500738558466833]
  空中画像の低照度条件は、視覚ベースのアプリケーションの性能に悪影響を及ぼす。 自己監督型で低照度画像を高めることができる新しい手法を提案する。 GANを用いた新しい低照度航空データセットも提案する。
  論文  参考訳（メタデータ） (2021-02-10T12:24:40Z)
• 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)
• 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。