Mar, 2019

基于场景分割的多曝光图像融合亮度调整

PDF
TL;DR本文提出了一种新颖的多曝光图像融合的亮度调整方法，该方法基于亮度分布提出了两种新颖的场景分割方法。实验结果表明，该方法可以在给定不理想输入时生成高质量的图像，并且在多个评测指标上优于其他最先进的方法。
multi-exposure image fusionscene segmentationluminance adjustmentquality improvementstate-of-the-art fusion methods
发现论文，激发创造
  • 一种仿生多曝光融合低光图像增强框架

    该论文设计了一种基于多曝光融合的低光图像增强框架，使用光照估计和相机响应模型来综合多副本图像，并通过融合算法实现了对比度和明度的准确提升。实验表明，该方法较其他现有方法更少引入对比度和亮度失真。

    Nov, 2017

  • 知觉多曝光融合

    本论文提出一种感知型多曝光融合技术，使用改进后的自适应曝光度度量和三维梯度进行对比度增强，具有细节丰富度高，计算成本低等优点，在图像增强领域取得了良好的实验结果。

    Oct, 2022

  • 用于稳健曝光校正的双重照明估计

    本文提出了一种新颖的自动曝光校正方法，核心在于双重照明估计，将欠曝光和过曝光校正分别作为输入图像和反转输入图像的明显估计。通过执行双照明估计，为输入图像获得两个中间曝光校正结果，并采用多重曝光图像融合技术自适应地混合两个中间曝光校正图像和输入图像的视觉最佳暴露部分形成全局性能好的图像。实验表明，该方法在各种具有挑战性的图像上比现有方法和流行的自动曝光校正工具更为有效。

    Oct, 2019

  • 使用光流和 PatchMatch 的手持相机输入曝光融合

    提出了一种适用于手持相机拍摄的多曝光图像融合的混合合成方法，该方法结合了光流和 PatchMatch 对图像运动、失配问题进行处理，能够有效地去除模糊或幽灵伪影等缺陷并保持原有的曝光信息。实验证明，该方法在处理静态 / 动态、室内 / 室外、白天 / 黑夜等复杂场景中具有较高的有效性和鲁棒性。

    Apr, 2023

  • 基于单应矩阵估计和注意力学习的深度曝光融合去重影技术

    本文提出使用深度神经网络结合单一曝光下多图像曝光融合技术来解决现代相机的动态范围限制问题，并在手机摄影实验中获得了高质量的图像。

    Apr, 2020

  • 单图像去阴影自动曝光融合

    本文提出了使用曝光融合方法进行阴影去除的新解决方案，其中包括将输入图像的多个过度曝光图像的阴影区域与其无阴影区域的颜色相同，使用阴影感知的 FusionNet 生成融合权重图，并使用边界感知的 RefineNet 去除剩余的阴影痕迹。实验表明我们的方法在阴影区域性能更佳，在非阴影区域表现与现有最先进方法相当。

    Mar, 2021

  • 双曝光高动态范围成像中的照明估计优化

    本研究探索了利用不同曝光时间捕获的图片帧中的信息，引入了从双曝光图像提取的简单特征（DEF）来指导光照估计器，在光照估计方面表现出了显著的效果。

    Mar, 2024

  • 多曝光图像融合中紧凑稳健的架构探讨

    本研究提出了一种基于深度学习的图像融合算法，通过使用自对准模块和细节补全模块实现图像对齐和特征融合。在神经结构搜索的基础上，找到了更加紧凑和高效的网络结构，实现了比较优异的成果。

    May, 2023

  • 超越夜间可见性：红外和可见光图像的自适应多尺度融合

    提出了一种自适应多尺度融合网络（AMFusion），通过红外和可见图像的融合规则，分别调整光照分布和提高检测准确性，从而实现针对夜晚物体检测的性能提升。

    Mar, 2024

  • 短暴光和长暴光原始图像对的低光照恢复

    提出了一种使用短曝光和长曝光图像的互补信息进行低光照条件下的图像修复方法，通过模拟低光环境中的成像管道生成的真实短曝光和长曝光原始图像，并使用新的长短曝光融合网络 (LSFNet) 处理低光照图像融合中的问题，包括高噪声、运动模糊、色彩失真和错位，实验结果表明，该方法优于现有的最优方法。

    Jul, 2020