基于序列分解的联合增强与去噪方法
计算机视觉与模式识别
2018-05-01 v3
摘要
许多低光增强方法忽略了原始图像中的强烈噪声。因此，它们往往同时增强了噪声。此外，大多数方法采用的额外去噪步骤破坏了细节。本文提出一种联合低光增强与去噪策略，旨在获得良好增强的低光图像的同时，一并解决固有噪声问题。所提方法以连续序列执行基于Retinex模型的分解，依次估计分段平滑的照度与抑制噪声的反射率。在获得照度与反射率图后，我们调整照度层并生成增强结果。在该噪声抑制的序列分解过程中，我们对各分量施加空间平滑性，并巧妙利用权重矩阵抑制噪声并提升对比度。大量实验结果表明了本方法的有效性与实用性。它适用于多种图像，并与最先进（state-of-the-art）方法相比取得更优或相当的质量。
引用
@article{arxiv.1804.08468,
title = {Joint Enhancement and Denoising Method via Sequential Decomposition},
author = {Xutong Ren and Mading Li and Wen-Huang Cheng and Jiaying Liu},
journal= {arXiv preprint arXiv:1804.08468},
year = {2018}
}
备注
Accepted by ISCAS 2018