极弱光图像的自适应增强
图像与视频处理
2023-04-05 v3 计算机视觉与模式识别
摘要
现有的极弱光环境下拍摄的暗图像增强方法假设最优输出图像的强度水平已知且已包含在训练集中。然而，该假设往往不成立，导致输出图像存在暗区或低对比度等视觉缺陷。为便于训练和评估能够克服此局限性的自适应模型，我们构建了一个包含 1500 张在室内外弱光条件下拍摄的原始图像的数据集。基于我们的数据集，我们引入了一个深度学习模型，能够在运行时增强具有广泛强度水平的输入图像，包括训练期间未见过的强度水平。实验结果表明，我们提出的数据集结合我们的模型，能够在广泛且具挑战性的多样场景中一致且有效地增强图像。
引用
@article{arxiv.2012.04112,
title = {Adaptive Enhancement of Extreme Low-Light Images},
author = {Evgeny Hershkovitch Neiterman and Michael Klyuchka and Gil Ben-Artzi},
journal= {arXiv preprint arXiv:2012.04112},
year = {2023}
}