基于颜色恒常性低照度图像视见度增强.pdf
文本预览下载声明
显示全部
文档详情
相似文档
-
低照度图像自适应颜色校正与对比度增强算法.pdf
第31卷第12期计算机辅助设计与图形学学报Vol.31No.12
2019年12月JournalofComputer-AidedDesignComputerGraphicsDec.2019
低照度图像自适应颜色校正与对比度增强算法
*,牛炯
李庆忠,赵峂
(中国海洋大学工程学院青岛266100)
(zhaotong@stu.ouc.edu.cn)
摘要:光照变化会造成图像颜色失真和清晰度的下降,为了使计算机视觉系统具有颜色恒常感知功能,提出了一
种基于极限学习机和杜鹃搜索算法的图像颜色校正与对比度增强算法.首先对于输入图像,提取该图像的17维特征
向量,并利用训练好的极限学习机神经网络自适应地
-
HVI颜色空间与Mamba结合的低照度图像增强技术.docx
HVI颜色空间与Mamba结合的低照度图像增强技术
目录
HVI颜色空间与Mamba结合的低照度图像增强技术（1）．．．．．．．．．．．．3
一、内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1.1低照度图像成像挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.1.2图像增强技术的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.2国内外研究现状．．．．．．．．．．．
-
复杂光照下两步法颜色恒常性增强.pdf
第 卷 第 期 光学 精密工程
１７ ４
Ｖｏｌ．１７ Ｎｏ．４
Ｏ ｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎ
-
基于图像导数框架和非负稀疏编码的颜色恒常计算方法.pdf
v01．40
第1期 电 子 学 报 No．1
2012年1月 AC】哺Ⅱ正cl限0NICASINICA Jan．2012
基于图像导数框架和非负稀疏编码的颜色恒常计算方法
杜馨瑜1，李
-
基于改进ShuffleNetV2的织物颜色恒常性算法.docx
PAGE
1-
基于改进ShuffleNetV2的织物颜色恒常性算法
一、1.绪论
在织物图像处理领域，颜色恒常性是一个关键的研究课题。由于光线变化、拍摄条件等因素的影响，织物颜色可能会发生显著变化，这给图像识别、图像检索以及图像增强等任务带来了很大的挑战。为了解决这一问题，研究者们提出了多种颜色恒常性算法。近年来，随着深度学习技术的快速发展，基于深度学习的颜色恒常性算法受到了广泛关注。其中，ShuffleNetV2作为一种轻量级的神经网络结构，因其高效的计算性能和较低的计算复杂度在图像处理领域得到了广泛应用。
根据最新统计数据显示，ShuffleNetV2在多项图像识别任务中取得了优异的性能
-
基于深度学习的低照度图像增强算法研究.pdf
华中科技大学硕士学位论文
摘要
视觉是人类重要的信息获取方式，而图像则承载了人们生活、工作和研究所需的
丰富信息。但是，在低照度环境下，图像的质量经常受到亮度不足、对比度低和细节
模糊等问题的困扰。这不仅会影响到人们的视觉体验，还会对后续的视觉任务造成干
扰。为了解决这些问题，低照度图像增强技术随之而生。然而，该领域仍然存在图像
照度不均、模型计算复杂度高、训练集难制作等问题。针对这些问题，本研究提出了
基于深度学习的低照度图像增强算法。主要工作总结如下：
1）针对低照度环境下图像照度不均、模型计算复杂度高以及训练集难制作等问
题，提出了一种基于暗通道先验和U-Net的低照度图像增强算法。该算
-
基于HSI空间Retinex低照度图像增强算法.pdf
Journal of Image and Signal Processing 图像与信号处理, 2017, 6(1), 29-36
Published Online January 2017 in Hans. /journal/jisp
/10.12677/jisp.2017.61004
Retinex Enhancement Algorithm for Low
Intensity Images Based on HSI Space
Xin Song, Shuhua Xiong, Xiaohai He, Pengxin Kang
-
基于深度学习的低照度图像增强方法研究.pdf
基于深度学习的低照度图增强方法研宄
像
摘要
在夜晚和恶天环下，图因不足原因，导致
劣气境像采集设备常光线等采
集的图像出现亮度息理想
-
基于Retinex理论的低照度图像增强算法研究.pdf
基于Retinex理论的低照度图像增强算法研究
摘要
随着信息化时代的飞速发展，彩色图像在各个领域中的应用已经变得日益普
遍，与此同时，日益增长的需求也对图像处理技术提出了更为巨大的挑战。在医
学、工业、军事、农林等领域中，数字图像的应用都得到了广泛的推广，清晰且
高质量的图像将是设备稳定运行的基础。然而，在自然界或某些实际应用场景下，
由于天气原因、环境光照强度、采集设备性能的优劣，导致拍摄的图像整体亮度
偏低，色彩失真，这可能会成为影响整个系统运转的最大阻碍。因此，低照度图
像增强技术具有重要的研究价值。
（1）本文首先针对传统图像增强算法泛化能力较差、色彩失真，提出了一种
基于加权引导滤
-
基于深度学习的低照度图像增强算法研究_叶家威.pdf
基于深度学习的低照度图像增强算法研究
摘要
图像作为重要的信息载体，在人们的日常生活和工作中扮演着至关重要的角
色。然而，在夜间或光线不足的环境中，由于照明限制和摄影设备的局限，所拍摄
的照片往往呈现出颜色偏暗、对比度弱、噪声干扰、能见度低、细节模糊等问题，
导致图像中的有效信息减少甚至丢失，从而影响人眼的主观视觉效果和对信息的
准确获取。针对低照度图像增强任务，一直以来学术界已经提出了众多算法，这些
算法提升了图像的整体质量。尽管如此，在提升低照度图像的亮度、对比度以及在
图像细节增强与噪声抑制之间找到平衡点方面，仍然有着广阔的研究潜力。因此，
本文以深度学习和Retinex理论为基础对低照
-
基于深度学习的低照度图像增强算法研究.pdf
基于深度学习的低照度图像增强算法研究
摘要
低照度图像增强任务作为计算机视觉领域的重要研究分支之一，为目标检
测、语义分割和自动驾驶等高级计算机视觉任务提供了有力支撑。在夜晚或背
光环境下拍摄的图像往往伴随着亮度较暗、对比度差和细节丢失等问题，这类
图像不仅影响人们的主观视觉感受，还对高级计算机视觉任务带来了巨大挑战。
近年来，基于深度学习的低照度图像增强算法发展迅速，但增强的图像仍然存
在曝光不均、颜色失真和噪声放大等现象。针对这一系列问题，本文基于深度
学习相关理论对低照度图像增强任务进行相关研究，旨在探究出更高效的低照
度图像增强算法。本文的主要研究内容如下：
（1）针对无监督学习的低照
-
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用.docx
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用
目录
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用（1）
内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
相关技术介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
2.1HSV颜色空间．．．．．
-
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用.docx
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用
目录
基于HSV与级联卷积神经网络的图像增强模型在低照度图像中的应用（1）
一、内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
二、相关研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
图像增强技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
低照度图像增强现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
HSV颜色模型在图像处理中的应用．．．．．．．
-
一种基于卷积自编码器的颜色恒常性方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112802137 B
(45)授权公告日 2022.06.21
(21)申请号 202110119635.3 CN 106845455 A,2017.06.13
(22)申请日
-
矿山探秘：低照度图像增强技术.docx
矿山探秘：低照度图像增强技术
目录
矿山探秘：低照度图像增强技术（1）．．．．．．．．．．．．．．．．．．．．．．．．．．．4
一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1矿山领域低照度环境的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2低照度图像增强技术的发展现状．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.3研究目的与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
二、矿山低照度环境概述．．．．．．．．．．．．．．．．．．．．．．．．