IJCAIJul, 2023

从生成到压制：实现夜间能见度提升的有效非规律光晕去除

PDF
TL;DR通过多次散射估计学习光晕生成的大气点扩散函数，设计了一种基于零样本学习的光晕抑制方法，并结合近距离光源的夜间成像模型和盲解卷积网络，实现了光晕抑制和低光增强任务。
low-light image enhancementglow suppressionnighttime imaging modelblind deconvolution networkretinex-based enhancement module
发现论文，激发创造
  • 通过引导的 APSF 和梯度自适应卷积增强夜间雾图像的可见性

    本研究提出了一种用于夜间雾霾图像的光晕抑制和低光增强的方法，通过学习光晕图像对来检测光源和提高低光区域的能见度，同时利用梯度自适应卷积来捕捉雾霾场景的边缘和纹理，并通过注意力机制调整低光区域，该方法在真实的夜间雾霾图像上进行了广泛的评估，实验结果表明与现有方法相比，其 PSNR 值提高了 14%。

    Aug, 2023

  • NDELS：夜间去雾、低光增强和光抑制的新方法

    本论文介绍了一种名为 NDELS 的前沿解决方案，用于改善阴霾和低光状况下的夜间图像质量，通过组合三个关键过程来增强能见度、照亮低光区域和有效抑制强光源的耀斑。与夜间去雾的有限进展不同，NDELS 提出了一种全面创新的方法，通过与八种最先进的算法在四个不同数据集上进行广泛比较，其有效性得到了严格的验证。实验结果展示了我们方法在整体图像质量（包括颜色和边缘增强）方面的卓越性能，这些结果使用定量（PSNR、SSIM）和定性（CLIPIQA、MANIQA、TRES）度量进行衡量。

    Dec, 2023

  • 无监督夜间图像增强：层分解与光效抑制的结合

    该论文提出了一种无监督的方法，通过层分解网络和光效抑制网络集成来来压制夜间图像中光效，并增强暗区域的照度

    Jul, 2022

  • 夜间光照矫正下的雾霾去除

    提出了一种新的夜间雾天成像模型和高效的消除夜间雾天影响的算法，包括三个步骤：整体亮度增强，色彩平衡和去除雾效应。实验结果表明，该算法可以实现良好的颜色再现能力。

    Jun, 2016

  • 具有空间频率感知和逼真亮度约束的半监督夜晚去雾基线

    我们提出了一种半监督模型来解决现实世界夜间去雾问题，通过采用空间注意力和频率谱滤波进行信息交互处理以处理夜间模糊场景，设计了基于伪标签和局部窗口的亮度损失的重新训练策略，以抑制雾气和光晕并实现真实亮度。通过对公共基准的实验证实了所提方法的有效性和优越性。源代码和补充材料位于指定的网址。

    Mar, 2024

  • 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

  • 基于对比增强和降噪的生物启发夜间图像增强

    本文提出了一种基于生物启发的图像增强算法，能够大大提高低光照图像的亮度和对比度，同时抑制噪声，并在实验和仿真实验中证明了该算法的优越性。

    Jul, 2023

  • 低光雾天场景的可见性增强

    本文提出了一种新方法来增强暗光雾霭场景的可见性，通过跨一致性除雾增强框架和基于物理模拟的低光雾数据集生成，实验证明该方法在各项指标上的效果优于现有方法，并通过人类视觉感知的用户研究证明了该方法的有效性和必要性。

    Aug, 2023

  • 一种基于通道先验和伽马校正的轻量级低光图像增强网络

    通过结合传统方法与深度学习技术，本研究提出了一种创新的低光图像增强网络 CPGA-Net，该网络结合了暗 / 亮通道先验、伽马校正、大气散射模型和 Retinex 理论的特征，成为一个轻量级网络，在客观和主观评价标准上取得了优异性能，为低光环境下的实际应用提供了新的解决方案。

    Feb, 2024

  • Prior Query Transformer 单昼夜的夜间雾霾移除

    提出了一种基于变压器的夜间图像去雾框架 NightHazeFormer，结合了半监督的微调策略和先验查询，同时创造了大规模的合成数据集 UNREAL-NH，表现优于现有的夜间去雾方法。

    May, 2023