极低能见度条件下非均匀照明图像增强
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
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
本文提出了一种基于物理光照模型的图像增强方法,以便在低光照图像中便于显着物体检测,并使用 Non-Local-Block 层来捕捉物体与其邻域的差异,最终在 4 个公共数据集和自己构建的数据集中取得了有前景的结果。
Jul, 2020
提出了一种新的方法来学习对雾天气条件稳健的语义分割模型,关键思想是将图像的雾条件视为其风格,并在分割模型的神经风格空间中缩小具有不同雾条件的图像之间的差距,并逐渐学习雾不变特征。
Apr, 2022
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
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
通过对物体外观变化或海底的利用,利用摄像机视截锥体,新的约束条件假设为兰伯特表面,对应的图像像素约束摄像机前的光场,并且为每个体素存储一个信号因子和后向散射值,该体素网格可用于高效地恢复摄像机光平台的图像,这有助于保持大型 3D 模型和地图的一致纹理,否则这些模型和地图将被光照和介质伪像所主导。在模拟和实际数据集上进行了大量实验以验证我们方法的有效性,实验结果证明了我们方法在恢复物体真实反射率的同时减少了光照和介质效应的影响。此外,我们还展示了我们的方法可以轻松扩展到其他场景,包括带人工照明的空中成像或其他类似情况。
Sep, 2023