論文の概要: Transmittance-Guided Structure-Texture Decomposition for Nighttime Image Dehazing
- arxiv url: http://arxiv.org/abs/2603.29507v1
- Date: Tue, 31 Mar 2026 09:47:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.469966
- Title: Transmittance-Guided Structure-Texture Decomposition for Nighttime Image Dehazing
- Title（参考訳）: 夜間画像復調のための透過型構造テクスチャ分解
- Authors: Francesco Moretti, Giulia Bianchi, Andrea Gallo,
- Abstract要約: ぼんやりとした条件下で撮影された夜間画像は、視認性、色歪み、コントラストの低下に悩まされている。
本稿では,透過率補正と構造テクスチャ層最適化を統合した2段階の夜間画像復調フレームワークを提案する。
- 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: Nighttime images captured under hazy conditions suffer from severe quality degradation, including low visibility, color distortion, and reduced contrast, caused by the combined effects of atmospheric scattering, absorption by suspended particles, and non-uniform illumination from artificial light sources. While existing nighttime dehazing methods have achieved partial success, they typically address only a subset of these issues, such as glow suppression or brightness enhancement, without jointly tackling the full spectrum of degradation factors. In this paper, we propose a two-stage nighttime image dehazing framework that integrates transmittance correction with structure-texture layered optimization. In the first stage, we introduce a novel transmittance correction method that establishes boundary-constrained initial transmittance maps and subsequently applies region-adaptive compensation and normalization based on whether image regions correspond to light source areas. A quadratic Gaussian filtering scheme operating in the YUV color space is employed to estimate the spatially varying atmospheric light map. The corrected transmittance map and atmospheric light map are then used in conjunction with an improved nighttime imaging model to produce the initial dehazed image. In the second stage, we propose a STAR-YUV decomposition model that separates the dehazed image into structure and texture layers within the YUV color space. Gamma correction and MSRCR-based color restoration are applied to the structure layer for illumination compensation and color bias correction, while Laplacian-of-Gaussian filtering is applied to the texture layer for detail enhancement. A novel two-phase fusion strategy, comprising nonlinear Retinex-based fusion of the enhanced layers followed by linear blending with the initial dehazing result, yields the final output.
- Abstract（参考訳）: 低視認性、色歪み、コントラストの低下など、悪質な条件下で撮影された夜間画像は、大気散乱、懸濁粒子による吸収、人工光源からの均一な照明の複合効果によって、深刻な品質劣化に悩まされる。
既存の夜間脱湿法は部分的には成功したが、通常は光の抑制や明るさの増強といったこれらの問題の一部に対処するが、分解因子の完全なスペクトルに共同で対処することはない。
本稿では,透過率補正と構造テクスチャ層最適化を統合した2段階の夜間画像復調フレームワークを提案する。
第1段階では、境界制約付き初期送信マップを確立し、その後、画像領域が光源領域に対応するか否かに基づいて、領域適応補償と正規化を適用する新しい送信補正手法を導入する。
空間的に変化する大気光マップを推定するために、YUV色空間で動作する二次ガウスフィルタ方式を用いる。
修正された送信マップと大気光マップは、改善された夜間イメージングモデルと併用して、初期デハズド画像を生成する。
第2段階では、分解された画像をYUV色空間内の構造層とテクスチャ層に分離するSTAR-YUV分解モデルを提案する。
照明補正と色偏差補正のための構造層にガンマ補正とMSRCRに基づく色復元を施し, テクスチャ層にラプラシアン・オブ・ガウスフィルタを施して細部強調を行う。
拡張層を非線形に融合させた後, 初期脱ハージング結果と線形混合した新しい二相融合戦略により最終出力が得られた。
関連論文リスト
- Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。
本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
論文 参考訳（メタデータ） (2026-02-20T16:20:50Z) - Multi-scale Attention-Guided Intrinsic Decomposition and Rendering Pass Prediction for Facial Images [0.0]
本稿では,1枚のRGBポートレートから光正規化拡散アルベドマップを予測するマルチスケールアテンションガイド型内在ネットワークMAGINetを提案する。
パイプラインは拡散アルベド推定のための最先端性能を達成し、従来の手法と比較して、完全なレンダリングスタックの忠実度が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2025-12-18T13:23:49Z) - An Adaptive Underwater Image Enhancement Framework via Multi-Domain Fusion and Color Compensation [0.6144680854063939]
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。
論文 参考訳（メタデータ） (2025-03-05T16:19:56Z) - Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline
and Jitter-Aware Restoration Network [26.86292926584254]
リニアアレイプッシュブルーム(LAP)イメージング技術はリモートセンシングの領域で広く利用されている。
点拡散関数(PSF)を推定するアルゴリズムなど、従来のLAP画像の復元手法は、限られた性能を示す。
本稿では,2段階の歪みとぼかしを除去するjitter-Aware Restoration Network (JARNet)を提案する。
論文 参考訳（メタデータ） (2024-01-16T07:26:26Z) - Reti-Diff: Illumination Degradation Image Restoration with Retinex-based
Latent Diffusion Model [59.08821399652483]
照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。
これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。
我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。
Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
論文 参考訳（メタデータ） (2023-11-20T09:55:06Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z) - Single image dehazing via combining the prior knowledge and CNNs [6.566615606042994]
本稿では,従来の知識と深層学習を組み合わせることで,欠陥の低減を図るために,エンドツーエンドシステムを提案する。
実験により,提案手法は既存手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-11-10T14:18:25Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Underwater Image Enhancement Based on Structure-Texture Reconstruction [1.7868995105624021]
構造・テクスチャ再構成に基づく水中画像強調アルゴリズムを提案する。
実験の結果, 水中画像の色調, 彩度, 明度を効果的にバランスできることがわかった。
論文 参考訳（メタデータ） (2020-04-11T15:52:07Z)
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。