enhancement专题
A New Image Contrast Enhancement Algorithmusing Exposure Fusion Framework
Abstract 弱光图像由于能见度低，不利于人类观察和计算机视觉算法。为了解决这一问题，人们提出了许多图像增强技术，但现有的方法不可避免地会出现对比度增强不足和过度增强的问题。在本文中，我们提出了一种图像对比度增强算法来提供准确的对比度增强。具体来说，我们首先利用光照估计技术设计了用于图像融合的权重矩阵。然后介绍了我们的相机响应模型来合成多曝光图像。其次，我们找到最佳曝光比，使合成图像在原始图
LAE-Net: A locally-adaptive embedding network for low-light image enhancement论文阅读笔记
这是PR2023的一篇暗图增强的论文 提出了两个模块，一个EIKS模块用局部熵来代表图像的局部频率特性（高频为主还是低频为主），利用熵图来指导卷积的感受野（文章认为高频噪声不突出，用小感受野，低频噪声突出，用大感受野）；另一个是基于illumination map来做注意力的IAT模块 文章提出，从人的视觉系统来看，噪声在图像的平滑区域（低频为主，即熵值大的区域）更加显眼而在高频区域则由
ACE(Automatic Color Enhancement),自动色彩增强算法
ACE(Automatic Color Enhancement),自动色彩增强算法，是一种对于彩色图像增强十分行之有效的方法。它的改进算法以及快速实现在文章Automatic Color Enhancement (ACE) and its Fast Implementation,2012中提出。 在NxN的图像上，ACE算法的算法复杂度为O(N^4),文章提出的新的ACE算法采取了两
enhancement-spot
REPORT ZTEST1.ENHANCEMENT-POINT ZENHANCEMENT_TEST SPOTS ZENHANCEMENT_TEST.//spots后的是badi定义.se18可以看到*$*$-Start: ZENHANCEMENT_TEST-------------------------------------------------------------------$*$
C# OpenCvSharp DNN Low Light image Enhancement
目录 介绍 效果 模型信息 项目 代码 下载 C# OpenCvSharp DNN Low Light image Enhancement 介绍 github地址：https://github.com/zhenqifu/PairLIE 效果 模型信息 Model Properties ------------------------- --------
麦克风阵列论文翻译：Speech Enhancement Based on the General Transfer Function GSC and Postfiltering
论文地址：基于通用传递函数GSC和后置滤波的语音增强 博客作者：凌逆战 博客地址：麦克风阵列论文翻译：Speech Enhancement Based on the General Transfer Function GSC and Postfiltering - 凌逆战 - 博客园 摘要 在语音增强应用中，麦克风阵列后置滤波可进一步减少波束形成器输出处的噪声成分。在麦克风阵列结构中，最近
【论文：麦克风阵列增强】Speech Enhancement Based on the General Transfer Function GSC and Postfiltering...
作者：桂。 时间：2017-06-06 16:10:47 链接：http://www.cnblogs.com/xingshansi/p/6951494.html 原文链接：http://pan.baidu.com/s/1i51Kymp omlsa代码：http://pan.baidu.com/s/1bpkvLVp omlsa论文：http://pan.baidu.com/s/1i5j3Adv
论文翻译：2023_THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement...
论文地址：THLNet: 用于单耳语音增强的两级异构轻量级网络 代码：https://github.com/dangf15/THLNet 引用格式：Dang F, Hu Q, Zhang P. THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement[J]. arXiv preprint
ACM MM 2023| CLE Diffusion:可控光照增强扩散模型(low light image enhancement)
本文介绍了由北交大、UT Austin、A*Star团队提出的基于扩散模型的可控低光增强方法，论文被ACM MM 2023收录。 Paper Name:CLE Diffusion: Controllable Light Enhancement Diffusion Model Keywords:Low light image enhancement, diffusion model, imag
Image Enhancement Guided Object Detection in Visually Degraded Scenes
Abstract 目标检测准确率在视觉退化场景下降严重。一个普遍的解决方法就是对退化图像进行增强然后再执行目标检测。但是，这是一种次优的方案，而且未必对目标检测的准确率有提升，因为图像增强和目标检测两个任务的不同。为了解决这个问题，我们提出了一种图像增强引导目标检测的方法，以端到端的方式定义了一个检测网络和一个额外的增强分支。具体来说，增强分支和检测分支以并行的方式组织，并设计了一个特征引导模块
Quaternion Screened Poisson Equation for Low-Light Image Enhancement——论文笔记
摘要： 图像增强是一种增强低照度图片照度的方法，它能在增强的同时保持图像的真实度和自然度。对于彩色图像，大多数方法采用分开处理不同彩色通道的方式，但这样会忽略掉不同彩色通道间的联系。因此，本文采用基于四元数（Quaternion）的模型去保留颜色相关性，它可以通过四元数将某一像素的颜色信息整合起来。此外，我们提出了基于伽马校正函数（Gamma-correction functio
SEI(Supplemental Enhancement Information)
流媒体是采用流式传输方式在网络上播放的媒体格式，视频网站内容、短视频、在线直播这些视频形态，均属于流媒体的不同分支。流媒体大致包含三个层级：码流、封装和协议。从音视频编码器输出的码流，经过某种封装格式后，经过特定的协议传输、保存，构成了流媒体世界的基础功能。 在直播应用的开发过程中，如果把主播端消息事件传递到观众端，一般会以Instant Messaging（即时通讯）的方式传递过去，但因为消息
Label Enhancement for Label Distribution Learning--文献笔记
IEEE(2021) 摘要 标签分布比单标签注释和多标签注释都更通用。它涵盖了一定数量的标签，代表每个标签描述实例的程度。通过标签分布标记的实例的学习过程称为标签分布学习（LDL）。不幸的是，由于难以直接获得标签分布，许多训练集只包含简单的逻辑标签而不是标签分布。为了解决这个问题，一种方法是利用特征空间的拓扑信息和标签之间的相关性，从训练集中的逻辑标签中恢复标签分布。这种从
Priors in Deep Image Restoration and Enhancement: A Survey
深度图像恢复和增强中的先验：综述 论文链接：https://arxiv.org/abs/2206.02070 项目链接：https://github.com/VLIS2022/Awesome-Image-Prior (Preprint. Under review) Abstract 图像恢复和增强是通过消除诸如噪声、模糊和分辨率退化等退化来提高图像质量的过程。深度学习(DL)最近被应用
图像复原--Color Balance and Fusion for Underwater Image Enhancement
图像复原–Color Balance and Fusion for Underwater Image Enhancement 参考链接: （建议先阅读原论文和参考链接内容，本文纯属记录性质） https://blog.csdn.net/qq_43287277/article/details/104901501 https://github.com/fergaletto/Color-Balanc
图像增强论文阅读笔记——DALE : Dark Region-Aware Low-light Image Enhancement
DALE : Dark Region-Aware Low-light Image Enhancement 1. 介绍2. 提出的方法 1. 介绍 本文提出了一种新的微光图像增强方法，即暗区感知微光图像增强(dark region-aware微光图像增强，DALE)，该方法通过所提出的视觉注意模块准确识别暗区，增强暗区亮度。该方法利用超像素进行视觉注意估计，无需复杂的过程。因此，该
【论文精读】DALE : Dark Region-Aware Low-light Image Enhancement
出处 2020 BMVC 摘要 本文提出了一种新的微光图像增强方法–暗区域感知微光图像增强(DALE)，该方法通过视觉注意模块准确地识别暗区域，并对其亮度进行强化。我们的方法可以有效地利用超像素来估计视觉注意力，而不需要任何复杂的过程。因此，该方法可以保持原始图像的颜色、色调和亮度，并防止图像的正常照明区域饱和和失真。实验结果表明，我们的方法通过所提出的视觉注意准确地识别出暗区域，并且在定性
Learning Semantic-Aware Knowledge Guidance forLow-Light Image Enhancement
微光图像增强（LLIE）研究如何提高照明并生成正常光图像。现有的大多数方法都是通过全局和统一的方式来改善低光图像，而不考虑不同区域的语义信息。如果没有语义先验，网络可能很容易偏离区域的原始颜色。为了解决这个问题，我们提出了一种新的语义感知知识引导框架（SKF），该框架可以帮助弱光增强模型学习封装在语义分割模型中的丰富多样的先验。我们专注于从三个关键方面整合语义知识：一个语义感知嵌入模块，它在特征表
U-Shape Transformer for Underwater Image Enhancement（用于水下图像增强的U型Transformer）总结
背景 现有的水下数据集或多或少存在图像数量少、水下场景少、甚至不是真实场景等缺点，限制了数据驱动的水下图像增强方法的性能。此外，水下图像在不同颜色通道和空间区域的衰减不一致也没有统一的框架。 贡献 1）提出了一种处理 UIE 任务的新型 U 型Transformer，其中基于Transformer设计的通道和空间注意机制能够有效消除色彩伪影和偏色。 2）设计了一种新颖的多色彩空间损失函数，
RDGAN Retinex Decomposition Based Adversarial Learning for Low-Light Enhancement（论文阅读笔记）
RDGAN Retinex Decomposition Based Adversarial Learning for Low-Light Enhancement（论文阅读笔记） 最近学习了一篇论文《RDGAN Retinex Decomposition Based Adversarial Learning for Low-Light Enhancement》，记录一下 概括 在本文提出了一种
低光图像增强论文GLADNet: Low-Light Enhancement Network with Global Awareness阅读笔记
论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8373911 项目地址：https://github.com/weichen582/GLADNet 作者：北大 来源：IEEE2018 abstract 在这篇文章中，我们讨论了微光增强的问题。我们的核心思想是先计算出弱光输入的全局光照估计，然后在估计的指导下调整
指纹增强程序Hong_enhancement
LinJM @HQU 本算法是基于Lin Hong et al 的论文“Fingerprint ImageEnhancement: Algorithm and Performance Evaluation”编写而成。其中一个重要的假设就是：沿脊线垂直方向的灰度变化呈正弦波形。 程序的流程如下所示： 0 Notation O 是方向场F 是频率场 R 是区域标记
Semantic-Guided Zero-Shot Learning for Low-Light ImageVideo Enhancement
Semantic-Guided Zero-Shot Learning for Low-Light Image/Video Enhancement 代码： https://github.com/ShenZheng2000/SemantiGuided-Low-Light-Image-Enhancement 在低光条件下增加亮度的一个可行方法是使用更高的ISO或更长时间的曝光时间。然而，这些策略分别
SE11表激活警告——Enhancement category for table missing
SE11表激活时出现警告——Enhancement category for table missing 1.以下图表ZFITHKONT（中日科目转化表）为例 2.现在激活这张表：出现了下图的警告——表的增强类别缺失 3.为什么会出现这个警告？怎样消除这个警告？ 因为表的增强类别是默认未分类 点击 Extras→Enhancement Category ，一般选择第4条不
图像对比度增强之A New Image Contrast Enhancement Algorithm Using Exposure Fusion Framework——论文阅读和个人理解
项目主页：CAIP2017 (baidut.github.io) 项目代码：AndyHuang1995/Image-Contrast-Enhancement: Python implementation of "A New Image Contrast Enhancement Algorithm Using Exposure Fusion Framework", CAIP2017 (github
压缩视频增强论文Multi-Frame Quality Enhancement for Compressed Video阅读笔记
论文来源：CVPR2018 论文链接：Multi-frame Quality Enhancement for Compressed Video | IEEE Conference Publication | IEEE Xplore 项目链接：GitHub - ryangBUAA/MFQE 作者：北航徐迈团队 概述 输入的多帧序列先经过一个SVM来对PQF进行检测，所谓PQF（峰值质量帧）