Feb, 2024

彩色映射到灰度图中对比度和亮度的心理研究

PDF
TL;DR本文通过心理实验比较了基于感知和基于空间对比度的去彩化算法，结果显示 CIELAB 算法表现最佳，进一步证明了感知导向的去彩化算法的有效性。
grayscale imagesdecolorization algorithmscielabperception-based decolorizationspatial contrast-based algorithms
发现论文，激发创造
  • 图像压缩的色彩学习

    本文提出了一种新的基于深度学习的图像压缩模型，该模型将图像压缩任务分解为从亮度通道学习结构信息和从色度通道学习颜色的两个子任务。利用 CIEDE2000 优化颜色保真度，并展示了该模型的优点和性能比较。此外，还对潜在通道脉冲响应进行了可视化和分析。

    Jun, 2023

  • 优秀的色彩地图设计方法

    本文提出了设计色彩映射的特定要求和新的基色，以保证色彩映射在感知上的一致性，并呈现了两种测试图像进行色彩映射的评估。讨论了色彩映射与浮雕阴影的搭配情况，有机会增强或破坏浮雕阴影效果。提供了新的基色构建三元图像，且图像结构的显著性不受基色分配的影响。

    Sep, 2015

  • 灰度图像代数模型

    本文提出了一种新的代数模型，用于处理在不恰当光照条件下生成的灰度图像，并使用向量空间结构来改善图像的对比度和亮度水平从而进行图像增强，通过实验结果证明了其有效性。

    Dec, 2014

  • 基于边缘感知的图像颜色外观与差异建模

    本文通过评估传统色彩模型对复杂图像的适应性并提出机制来改善其性能，发现在有边缘感知的情况下应用对比敏感性函数和局部适应规则可以提高图像差异预测。

    Apr, 2023

  • 关于学习图像压缩中颜色空间效应的研究

    通过使用 YUV、LAB 和 RGB 颜色空间之间的比较以及它们对学习图像压缩的影响，我们报告了通过在不同数据集上进行实验对 SLIC 模型进行评估，并将结果与最先进的图像编解码器进行比较。

    Jun, 2024

  • 人类感知和视觉颜色差异的色彩模型比较分析

    本研究通过对 RGB、HSV、HSL、XYZ、CIELAB 和 CIELUV 等多种颜色模型进行比较分析，评估它们在准确反映人类感知颜色方面的有效性，从而评价它们在准确反映视觉颜色差异和与人眼兼容的主导调色板提取方面的能力，以便应用于图像处理，数字媒体和设计等相关领域。

    Jun, 2024

  • 通过学习预测亮度色度来实现色彩恒常性

    本文提出了一种基于一种分类器的光源估计方法，其可通过自然场景中的色彩统计信息，无需任何空间或语义上下文，对颜色恒常性进行补偿。

    Jun, 2015

  • ColorNet: 探究色彩空间在图像分类中的重要性

    探讨了颜色空间对于图像分类的影响，展示了多颜色空间模型在 CIFAR-10、CIFAR-100、SVHN 和 Imagenet 等多个数据集上都能够取得高水平的分类准确度，并且参数数量很少。

    Feb, 2019

  • 彩色图像上色

    本文提出了一种基于分类任务的自动化方法，使用卷积神经网络在测试时前向传递来处理图像的着色问题，并且提高了其结果的颜色多样性，相比之前的方法机器生成的着色更加逼真，并且证明了这种自动着色可以作为一项有效的预训练任务，提供了在特征学习领域上最好的性能。

    Mar, 2016

  • 从计算色彩恒常性的角度探究色彩错觉

    通过分析色彩视觉系统中的色彩恒常性和色彩幻觉知觉现象，我们修改了现有的色彩恒常性方法，使其能够更好地模拟人类视觉系统在色彩幻觉上的行为，并显示出从幻觉中提取的参数能够改善色彩恒常性方法的性能，从而超越现有的多光源算法设计。

    Dec, 2023