論文の概要: An Adaptive Underwater Image Enhancement Framework via Multi-Domain Fusion and Color Compensation
- arxiv url: http://arxiv.org/abs/2503.03640v1
- Date: Wed, 05 Mar 2025 16:19:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-06 15:51:58.337157
- Title: An Adaptive Underwater Image Enhancement Framework via Multi-Domain Fusion and Color Compensation
- Title（参考訳）: マルチドメインフュージョンとカラー補償による水中画像の適応化フレームワーク
- Authors: Yuezhe Tian, Kangchen Yao, Xiaoyang Yu,
- Abstract要約: 水中光学イメージングは、光吸収、散乱、色歪みによって著しく劣化する。
本稿では,照明補償,マルチドメインフィルタリング,動的色補正を統合した適応型拡張フレームワークを提案する。
ベンチマークデータセットを用いた実験結果から,コントラスト強化,色補正,構造保存における最先端手法よりも優れた性能を示した。
- 参考スコア（独自算出の注目度）: 0.6144680854063939
- License:
- Abstract: Underwater optical imaging is severely degraded by light absorption, scattering, and color distortion, hindering visibility and accurate image analysis. This paper presents an adaptive enhancement framework integrating illumination compensation, multi-domain filtering, and dynamic color correction. A hybrid illumination compensation strategy combining CLAHE, Gamma correction, and Retinex enhances visibility. A two-stage filtering process, including spatial-domain (Gaussian, Bilateral, Guided) and frequency-domain (Fourier, Wavelet) methods, effectively reduces noise while preserving details. To correct color distortion, an adaptive color compensation (ACC) model estimates spectral attenuation and water type to combine RCP, DCP, and MUDCP dynamically. Finally, a perceptually guided color balance mechanism ensures natural color restoration. Experimental results on benchmark datasets demonstrate superior performance over state-of-the-art methods in contrast enhancement, color correction, and structural preservation, making the framework robust for underwater imaging applications.
- Abstract（参考訳）: 水中光学イメージングは、光吸収、散乱、色歪みによって著しく劣化し、視界と正確な画像解析を妨げる。
本稿では,照明補償,マルチドメインフィルタリング,動的色補正を統合した適応型拡張フレームワークを提案する。
CLAHE、ガンマ補正、レチネックスを組み合わせたハイブリッド照明補償戦略は可視性を高める。
空間領域(ガウス語、バイラテラル語、ガイド語)や周波数領域(フーリエ語、ウェーブレット語)を含む2段階のフィルタリングプロセスは、詳細を保存しながらノイズを効果的に低減する。
色歪みを補正するため、適応色補正(ACC)モデルはスペクトル減衰と水型を推定し、RCP, DCP, MUDCPを動的に結合する。
最後に、知覚的に誘導された色のバランス機構により、自然な色の回復が保証される。
ベンチマークデータセットを用いた実験結果から, コントラストの強化, 色補正, 構造保存における最先端手法よりも優れた性能を示し, 水中イメージングのためのフレームワークを堅牢化している。
関連論文リスト
- Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。
また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - 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) - FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。
従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
論文 参考訳（メタデータ） (2024-04-27T15:16:34Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳（メタデータ） (2023-12-12T06:07:21Z) - Deterministic Neural Illumination Mapping for Efficient Auto-White
Balance Correction [3.441021278275805]
オートホワイトバランス(オートホワイトバランス、Auto-white Balance、AWB)は、様々な照明シナリオにおいて正確で一貫した色補正のために、画像信号処理装置において重要な操作である。
本稿では,高解像度画像上での同等あるいは優れた性能で,少なくとも35倍高速な処理を実現する,新規で効率的なAWB補正手法を提案する。
論文 参考訳（メタデータ） (2023-08-07T22:44:26Z) - Fast Dust Sand Image Enhancement Based on Color Correction and New
Membership Function [0.0]
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。
論文 参考訳（メタデータ） (2023-07-27T23:18:20Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Underwater Image Enhancement via Medium Transmission-Guided Multi-Color
Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。
当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文 参考訳（メタデータ） (2021-04-27T07:35:30Z) - 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) - 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)
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。