极低可见度条件下的不均匀照明图像增强
计算机视觉与模式识别
2024-09-11 v2 光学
摘要
通过浓雾成像面临独特的挑战，对于目标检测和识别等应用至关重要的视觉信息被遮挡，从而阻碍了传统的图像处理方法。尽管通过基于神经网络的方法有所改进，但这些技术在由不均匀照明加剧的极低可见度条件下失效，由于信号强度不一致而降低了深度学习性能。我们在本文中介绍了一种新方法，该方法基于结构差分和积分滤波(SDIF)自适应地过滤背景照明，以仅增强关键信号信息。通过引入基于图像梯度的视觉优化策略，消除了灰度带状。使用最大直方图均衡化(MHE)在保持对原始内容保真度的同时实现高对比度。我们使用从雾室和室外环境收集的数据评估了我们的算法，并与现有方法进行了比较分析。我们的研究结果表明，我们提出的方法在极低可见度条件下显著提高了信号清晰度，并优于现有技术，为深雾成像应用提供了实质性改进。
引用
@article{arxiv.2404.17503,
title = {Inhomogeneous illumination image enhancement under ex-tremely low visibility condition},
author = {Libang Chen and Jinyan Lin and Qihang Bian and Yikun Liu and Jianying Zhou},
journal= {arXiv preprint arXiv:2404.17503},
year = {2024}
}