IA-CLAHE：基于图像自适应剪切限值的 CLAHE 方法
计算机视觉与模式识别
2026-04-20 v1
摘要
本文提出了图像自适应对比受限自适应直方图均衡 (IA-CLAHE) 方法。传统 CLAHE 广泛用于提高各种计算机视觉任务的性能，并改善人类感知在实际工业应用中的视觉质量。CLAHE 将对比受限的直方图均衡应用于每个局部区域以增强局部对比。然而，CLAHE 常导致过度增强，因为对比限制参数剪切限被固定为与每个局部区域直方图分布无关的值。IA-CLAHE 通过从输入图像自适应估计 tile-wise 剪切限来解决这一限制。为实现此目标，我们训练了一个轻量级剪切限估计器，采用 CLAHE 的可微扩展，实现端到端优化。不同于先前基于学习的 CLAHE 方法，IA-CLAHE 不需要预先搜索 ground-truth 剪切限或任务特定数据集，因为它学习将输入图像直方图映射到领域不可变的均匀分布，从而实现对多样化条件的零样 generalizes。实验结果表明，IA-CLAHE 在不要求任何任务特定训练数据的情况下，持续提高识别性能，同时提升人类感知的视觉质量。
引用
@article{arxiv.2604.16010,
title = {IA-CLAHE: Image-Adaptive Clip Limit Estimation for CLAHE},
author = {Rikuto Otsuka and Yuho Shoji and Yuka Ogino and Takahiro Toizumi and Atsushi Ito},
journal= {arXiv preprint arXiv:2604.16010},
year = {2026}
}
备注
Accepted to NTIRE 2026 Workshop at CVPR 2026