图像增强方法资料汇总

原创 已于 2022-08-11 22:06:08 修改 · 1k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#科研 #论文 #图像增强

于 2022-08-11 22:03:51 首次发布

文章目录


持续更新-2022.8.11

参数估计

  • H. Zeng, J. Cai, L. Li, Z. Cao, L. Zhang, Learning Image-Adaptive 3D Lookup Tables for High Performance Photo Enhancement in Real-Time, IEEE Transactions on Pattern Analysis and Machine Intelligence, 44 (2022) 2058-2073
    在这里插入图片描述
    详细解读文章

  • C. Li, C. Guo, C.C. Loy, Learning to Enhance Low-Light Image via Zero-Reference Deep Curve Estimation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 44 (2022) 4225-4238.
    在这里插入图片描述
    Zero DCE方法详细解读及mindspore实现

GAN

Retinex

图像处理基础-低光照增强-retinex理论

其他

低光照最新综述

论文及代码地址

低光照方法

低光照相关论文和数据集

光流

光流原理及计算方法

暗通道去雾

暗通道去雾原理及实现

图像增强方法汇总OpenCV+python实现【第一部分：常用图像增强方法】
今晚打老虎的专栏
07-03 3973
图像增强是指通过各种技术手段改善图像的视觉效果，使其更适合特定的应用场景。以下是一些常见的图像增强方法。注意：本文从广义的角度讲图像增强方法，这些图像增强方法不一定都适用于CV中AI模型训练前的图像处理。
ECCV2022 | 生成对抗网络GAN论文汇总（图像转换-图像编辑-图像修复-少样本生成-3D等）...
idol24的博客
07-31 2828
图像转换/图像可控编辑视频生成少样本生成图像外修复/结合transformerGAN改进新数据集图像增强3D图像来源归属分析一、图像转换/图像可控编辑1、VecGAN: Image-to-Image Translation with Interpretable Latent Directions提出VecGAN，图像到图像的转换方法，用于具有可解释的潜在方向的人脸属性编辑...
Learning to Enhance Low-Light Image via Zero-Reference Deep Curve Estimation
qq_38577700的博客
11-16 994
图像增强
Learning to Enhance Low-Light Imagevia Zero-Reference Deep Curve Estimation
mytzs123的博客
12-20 1309
基于零参考深曲线估计的微光图像增强学习本文提出了一种新的方法，零参考深度曲线估计（Zero DCE），该方法将光增强定义为使用深度网络进行图像特定曲线估计的任务。我们的方法训练一个轻量级的深度网络DCE-Net，以估计给定图像的动态范围调整的逐像素和高阶曲线。曲线估计是专门设计的，考虑了像素值范围、单调性和可微性。Zero DCE在其对参考图像的宽松假设中很有吸引力，即在训练过程中不需要任何成对甚至不成对的数据。这是通过一组精心制定的非参考损失函数来实现的，这些函数隐含地测量增强质量并驱动网络的学习。尽管它
【翻译】QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection
jokerwu192的博客
04-10 2993
QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection QueryDet：用于加速高分辨率小目标检测的级联稀疏查询 论文地址：https://arxiv.org/pdf/2103.09136.pdf 项目地址：https://github.com/ ChenhongyiYang/QueryDet-PyTorch 文章目录摘要1. 介绍2. 相关工作3. 方法3.1. 重新审视RetinaN
ICCV2021｜底层视觉(图像生成，图像编辑，超分辨率等)相关论文汇总（附论文链接/代码）[持续更新]
Kobaayyy的博客
09-22 4994
ICCV2021｜底层视觉和图像生成相关论文汇总（如果觉得有帮助，欢迎点赞和收藏）1.图像生成（Image Generation）Multiple Heads are Better than One: Few-shot Font Generation with Multiple Localized ExpertsPIRenderer: Controllable Portrait Image Generation via Semantic Neural RenderingToward Spatially Un
图像增强技术总结
极客园地
03-04 675
最近科研需要改进算法，需要先对图像进行增强后处理，所以对图像增强技术做一个总结。图像增强的目的就是要提高图像的质量，在图像处理中，有两种提高图像质量的方法：一是图像在采集的过程中，知道图像质量降低的原因，根据原因进行图像恢复，图像复原等处理，二是不管图像质量降低的过程，针对图像本身增强，后者就是本文讨论的内容。图像增强处理技术基本上可以分成两大类，一类是空域处理方法,一类是频域处理方法。
水下图像增强现有的方法总结
weixin_55059761的博客
09-01 3440
如果考虑发TOP的建议往Transformer方向靠，因为近几年大模型很火热都是基于Transformer的，而且据我的检索，水下图像增强第一篇Transformer是2020年好像，U型Transformer。到现在这方面的论文不算多，所以可以往这边靠拢。如果考虑发的是三区，四区建议可以往非物理模型靠（非物理模型的组合比深度学习容易，直接组合即可，而深度学习中你把别人的某个模块移植过来进行创新 需要改卷积尺寸，通道尺寸，以及后面的代码都会收到影响。
图像增强论文总结整理.docx
05-18
以下是对所提及的几篇关于图像增强论文的详细总结： 1. **Jaffe-McGlamery模型**（1990年，JULES S.JAFFE, IEEE Journal Of Oceanic Engineering）： 这篇论文介绍了光学成像模型，特别是针对水下成像的优化设计。...
C++ - opencv - 图像增强 - 文本图像增强
05-14
在计算机视觉领域，图像增强是一种常见的技术，用于改善图像的质量，使其更易于分析或提高后续处理的效果。在C++环境中，OpenCV库是实现图像处理和计算机视觉任务的强大工具。本话题聚焦于如何使用OpenCV对文本图像...
图像增强方法
06-04
### 图像增强方法详解 #### 一、图像增强概述 图像增强是图像处理的一个核心环节，主要用于提升图像的视觉效果，使图像中的某些特定信息更加突出。这一过程往往是基于特定需求来强调或削弱图像中的某些特征，从而...
图像增强Matlab代码总结（6种）
04-23
这是图像增强代码的整理，也是基础常见的图像增强代码，共六种：Retinex图像增强（3种）、灰度拉伸、直方图均衡化、自适应直方图均衡化等，代码均可正常运行，省去了你去到处搜索的时间，更专注于自己的实验。
Lua非空判断方法[源码]
11-24
本文详细介绍了在Lua中进行非空判断的几种方法，特别是针对table类型的变量。首先，文章指出了直接对nil值进行索引会导致异常的问题，并给出了一个简单的例子来说明如何避免这种情况。接着，文章讨论了如何判断一个table是否为空，指出不能简单地使用`#table == 0`的方式，而是应该使用`next(t) == nil`的方法。此外，文章还提到了`next`指令在LuaJIT中的优化问题，建议在非必要情况下少用。最后，文章简要介绍了如何判断一个字符串是否全部由空格组成，使用了正则匹配的方法。这些内容对于Lua开发者来说非常实用，能够帮助他们避免常见的错误。
JS表格转Excel实现[可运行源码]
11-24
该文章详细介绍了如何使用JavaScript将HTML表格数据导出为Excel文件。内容涵盖了针对不同浏览器的兼容性处理，包括IE和非IE浏览器的不同实现方式。对于IE浏览器，使用ActiveXObject进行导出；对于非IE浏览器，则通过base64编码和数据URI方案实现。文章还提供了完整的代码示例，包括表格数据的处理、格式化和导出功能，支持文本和图片类型的数据导出。
图片转bin文件存储[项目代码]
11-24
本文介绍了在OpenCV项目中如何将大量图片数据转换为二进制（bin）文件进行高效存储和读取的方法。作者在项目中遇到需要处理大量图片数据的问题，尝试了多种格式（如.mat、.txt、.yml）后发现效率较低。通过使用二进制文件存储，显著提升了读写速度。文章详细展示了使用OpenCV将图片写入二进制文件的代码示例，以及从二进制文件读取图片数据的实现方法。虽然该方法需要提前知道图片的尺寸和数量，但读写速度极快，适合处理大量图片数据。作者还提到可以通过换行符或终止符优化读取过程，但未深入探讨。
ROS视觉处理与色彩识别[项目源码]
11-24
本文详细介绍了在ROS环境下进行视觉处理的基础步骤，特别是针对色彩识别的实现方法。内容涵盖了从摄像头驱动的安装与配置（如usb_cam驱动和image_view工具的使用），到创建功能包和编写图像处理节点（包括RGB图像回调函数、HSV色彩空间转换、二值化处理及形态学操作）。此外，还演示了如何在仿真环境中获取图像，并通过OpenCV实现红色和绿色物体的识别与追踪。最后，文章提供了完整的代码示例和编译运行步骤，帮助读者快速上手ROS视觉处理项目。
Anaconda安装与使用指南[项目源码]
11-24
本文详细介绍了在Anaconda环境下安装和使用jupyter及numpy的步骤。首先，指导用户如何安装Anaconda并创建虚拟环境，然后详细说明了如何在虚拟环境中安装jupyter和numpy。接着，文章提供了多个numpy的练习示例，包括创建零向量、矩阵操作、归一化等。此外，还介绍了如何在Jupyter中完成numpy、pandas和matplotlib的例题，涵盖了从基础操作到实际应用的多个方面。最后，文章总结了实验过程中的经验，特别是在使用国内镜像源后下载速度的提升。
【动静障碍物】基于JPS算法（改进A）全局路径规划与DWA动态窗口局部避障的机器人自主导航混合控制算法（Matlab代码实现）
11-24
【动静障碍物】基于JPS算法（改进A）全局路径规划与DWA动态窗口局部避障的机器人自主导航混合控制算法（Matlab代码实现）内容概要：本文介绍了一种结合改进A*算法的JPS（跳跃点搜索）全局路径规划与DWA（动态窗口法）局部避障的混合控制算法，用于机器人在动静态障碍物环境下的自主导航。该算法通过JPS优化全局路径搜索效率，提升路径规划速度，并结合DWA实现实时动态避障，增强了机器人在复杂动态环境中的适应性和安全性。整个系统在Matlab平台上进行了代码实现与仿真验证，展示了良好的路径规划效果与避障性能。; 适合人群：具备一定机器人学、自动控制或路径规划基础知识的研究生、科研人员及从事智能机器人开发的工程技术人员。; 使用场景及目标：①应用于移动机器人在静态与动态障碍共存环境中的自主导航任务；②为研究高效全局规划与实时局部避障的融合策略提供技术参考与实现案例；③支持Matlab仿真环境下的算法验证与优化。; 阅读建议：建议读者结合Matlab代码深入理解JPS与DWA的集成逻辑，重点关注算法在路径最优性、计算效率与避障实时性之间的平衡设计，可进一步扩展至多机器人系统或复杂地形场景的应用研究。
Lua中loadstring应用[源码]
最新发布
11-24
本文介绍了在Lua编程中使用loadstring函数解析字符串公式的方法，特别是在游戏开发中的应用。通过示例代码展示了如何解析包含动态变量的字符串，如属性键、操作符和技能等级等，并动态计算其值。文章详细说明了如何利用loadstring将字符串转换为可执行的Lua代码，并处理复杂的公式解析，如计算buff持续时间和属性加成。这对于需要动态处理游戏内文本和公式的开发者具有实用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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