图像增强：LLNet: A Deep Autoencoder approach to Natural Low-light Image Enhancement介绍

最新推荐文章于 2025-03-05 14:48:11 发布
最新推荐文章于 2025-03-05 14:48:11 发布
阅读量8.6k 收藏 11
点赞数 3
分类专栏： 图像增强
本文介绍了一种基于深度自编码器的低照度图像增强方法LLNet。该方法通过特定的网络结构来改善暗光条件下的图像质量，并在不同噪声水平下进行了实验验证。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

LLNet: A Deep Autoencoder approach to Natural Low-light Image Enhancement（利用深度自编码器对低照度图像进行增强）

一、自编码器网络结构



二、训练过程



三、试验结果


Comparison of methods of enhancing ‘Town’ when applied to (A) original already-bright, (B) darkened, (C) darkened and
noisy (σ = 18), and (D) darkened and noisy (σ = 25) images. Darkening is done with γ = 3. The numbers with units dB are PSNR,
the numbers without are SSIM. Best viewed on screen.


先贴几张图，后续在补过程！




【第52篇】RetinexNet: Deep Retinex Decomposition for Low-Light Enhancement
m0_47867638的博客
06-25 553
链接：https://arxiv.org/pdf/1808.04560.pdfRetinex模型是微光图像增强的有效工具。假设观测图像可以分解为反射率和照度。大多数现有的基于retina的方法都为这种高度病态分解精心设计了手工制作的约束和参数，在应用于各种场景时可能会受到模型容量的限制。
LLNet:A deep autoencoder approach to natural low-light image enhancement_Pattern Recognition 2016
yangyoung1223的博客
06-11 3351
这篇文章貌似是深度学习用于图像增强的第一批文章之一，应该说很具有开创性，所以拿来读一读看看 Abstract& Introduction 在当前的工作中，我们使用深度自动编码器（我们称为低光网络或LLNet）从表示学习的角度解决对比度增强的问题，该编码器经过训练可以学习低光图像中的基本信号特征并自适应地变亮和降噪 贡献：本文提出了一种利用一类深度神经网络-叠置稀疏去噪自动编码器（SSDA）...
python白平衡-图像增强 Image Enhancement
weixin_37988176的博客
10-29 1600
图像增强（Image Enhancement），其目的是要改善图像的视觉效果。自动色阶作用：自动调整图像中的黑白场。原理：剪切每个通道中的阴影和高光部分，并将每个颜色通道中最亮或最暗的像素映射到纯白或纯黑；中间像素按比例重新分配分布。运用：会增强图像中的对比度，因数像素值会增大。特点：单独调整每个颜色通道，有可能会移去颜色或引入色痕。在像素平衡分布且需要以简单方式增加对比度的特定图像中，提供较好的...
低光图像增强（LLIE）HVI: A New color space for Low-light Image Enhancement
最新发布
Qing__er的博客
03-05 1049
4）方法：为了解决上述问题，提出一种新的色彩空间——水平/垂直强度（HVI），该色彩空间由偏振HS图和可学习的强度定义。偏振HS图使红色坐标之间的距离更小，从而去除红色伪影，而可学习的强度则通过压缩低光区域来去除黑色伪影。3）背景：现有的低光图像增强方法大多基于标准RGB（sRGB）色彩空间，这种方法常常由于sRGB色彩空间的高色彩敏感度而产生色偏和亮度伪影。5）结果：通过基准测试和消融实验的综合结果表明，所提出的HVI色彩空间和CIDNet模型在10个数据集上的表现优于当前最先进的低光图像增强方法。
LLNET:A deep autoencoder approach to natural low-light image enhancement
weixin_43403605的博客
02-29 3089
##LLNET意义 LLNET是第一个真正意义上将深度学习应用在图像增强上的网络。其算法在现在看来比较基础，适合初接触图像增强领域的人阅读、实践。 ##摘要 文章提出了了一个基于深度自编码的方法提取图像特征，并适当增强图片亮度。 ##数据预处理 论文中的图像数据来源于网络上的开源数据集，将原始的数据集划分为训练集和测试集。 训练集的数据从图像中提取了422500个点，然后将这些图像像素数据归一化到...
【论文精读】LLNet: A Deep Autoencoder approach to Natural Low-light Image Enhancement
weixin_42780429的博客
03-21 4162
目录摘要贡献网络结构（LLNet）从微光中学习特征SSDLLNetS-LLNet网络参数 摘要 本文提出了一种基于深度自动编码器的方法来识别弱光图像中的信号特征，并在不过度放大/饱和高动态范围图像的较亮部分的情况下自适应地使图像变亮。在监视、监视和战术侦察中，从动态环境中收集视觉信息并对其进行准确处理对于做出明智的决策和确保任务的成功至关重要。相机传感器在拍摄光线不佳的环境中拍摄的清晰图像或视频时往往成本有限。许多应用的目标是以机载实时方式增强图像的亮度、对比度和降低噪声含量。我们表明，堆叠稀疏去噪自动编码
基于深度学习的低光照图像增强方法总结（2020.09.15更新）
热门推荐
hyk_1996的博客
08-15 3万+
之前在做光照对于高层视觉任务的影响的相关工作，看了不少基于深度学习的低光照增强（low-light enhancement）的文章[3,4,5,7,8,9,10]，于是决定简单梳理一下。 光照估计（illumination estimation）和低光照增强（low-light enhancement）的区别：光照估计是一个专门的底层视觉任务（例如[1,2,6]），它的输出结果可以被用到其它任务...
image enhancement
FLY_CAFFE的博客
02-11 657
void brightness_and_constrast_auto(const cv::Mat& src, cv::Mat& dst, float clip_hist_percent) { CV_Assert(clip_hist_percent >= 0); CV_Assert(src.type()==CV_8UC1); int hist_size...
【论文精读】Deep Color Consistent Network for Low-Light Image Enhancement 用于低光照图像增强的深度颜色一致网络
weixin_54098256的博客
03-11 3022
Abstract论文链接：代码链接：Abstract低光照增强（LLIE）任务如何refine光照并获得正常的自然光照图像目前的LLIE方法没有考虑将颜色信息合理的融入LLIE处理中（未考虑颜色一致性增强图像和ground-truth存在色差提出DCC-Net来保留LLIE的颜色一致性提出“分而治之灰度图颜色直方图提出金字塔颜色嵌入模块（PCE）在六个数据集上实验，DCC-Net增强图像更加自然、色彩丰富eg：人脸识别、目标检测、语义分割新的策略DCC-Net解耦合策略G-Net。
暗光增强论文：“EEMEFN: Low-Light Image Enhancement via Edge-Enhanced Multi-Exposure”
Najlepszy的博客
01-30 4372
暗光增强论文：“EEMEFN: Low-Light Image Enhancement via Edge-Enhanced Multi-Exposure Fusion Network”
matlab亮度代码-LLNet:通过深度学习增强低光图像
05-21
matlab亮度代码LLNet：通过深度学习增强低光图像 该存储库是Theano上[LLNet：用于自然微光图像增强的深度自动编码器方法]（）的实现。 它包括用于通过图形用户界面运行LLNet的代码和模块。 用户可以选择从头开始训练...
Image Enhancement
10-19
This project uses histogram specification to improve the details in the dark part of the picture
Under-Water-Image-Enhancement-By-SRCNN:一种水下图像增强方法和相应的图像超分辨率算法。 图像增强技术。 超分辨率卷积神经网络的Retinex算法伽玛校正。 黑暗先验
03-08
通过SRCNN进行水下图像增强 一种水下图像增强方法和相应的图像超分辨率算法。 使用的算法： 图像增强技术。 超分辨率卷积神经网络 Retinex算法伽玛校正。 黑暗先验。 进一步阅读：使用SRCNN.pptx进行水下图像增强 SRCNN训练模型：my_modelSRCNN.h5 用于实施的参考文件：Underwater2.pdf
LLNet模型实现
05-24
实现基于稀疏自动编码器的图像同时增强和图像去噪，该资源包含自己处理的样本数据
图像增强
a130737的专栏
01-04 2311
图像增强（image enhancement）的方法主要分为两大类： (1) 空间域方法(spatial domain methods) (2) 频域方法（frequency domain methods）. 图像增强的主要目的是通过修改图像的attribute， 使得得到的图像suitable for a given task and specific observe。 在spatial
基于深度学习的低光照图像增强
小白学视觉
11-29 4954
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达之前在做光照对于高层视觉任务的影响的相关工作，看了不少基于深度学习的低光照增强（low-light enhanceme...
计算机视觉算法中的图像增强（Image Enhancement）
牛肉胡辣汤
09-14 2218
图像增强在计算机视觉算法中扮演着重要的角色，它可以提高图像的质量、增强图像的细节和对比度。不同的图像增强方法适用于不同的场景和需求，我们可以根据具体的应用选择合适的方法或者结合多种方法进行综合处理。随着计算机视觉技术的快速发展，图像增强作为其中一个重要的环节，在图像质量改善和信息提取方面扮演着关键角色。本文将介绍图像增强在计算机视觉算法中的应用，并探讨一些常用的图像增强方法。图像增强是指通过一系列的算法和技术，对图像进行处理以改善图像的质量、增强图像的细节以及提高图像的对比度。
（5）图像增强（Image Enhancement）- Part2. 直方图处理技术
Techblog of HaoWANG
02-15 1114
本章内容接续https://blog.youkuaiyun.com/hhaowang/article/details/87278518 直方图处理： **1. 灰度直方图（Histogram）** 灰度直方图能直观的显示出图像像素灰度分布情况，这些信息在图像灰度变换等处理过程中显得十分重要。 **灰度直方图**是一个**二维的统计图表**，它描述了图像个灰度值得统计特性，显示了各个灰度值出现的频率或...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值