Faster Read: Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_42447651/article/details/82619751

本文提出了一种学习方法，通过深度卷积神经网络（CNN）从多曝光图像中学习单图像对比度增强（SICE），以达到与多曝光融合（MEF）相似的效果。这种方法避免了MEF中的鬼影问题，同时提供了高对比度图像。论文建立了一个SICE数据库，并通过与13种先进的MEF和HDR算法对比，证明了所提方法的有效性。

Single Image Contrast Enhancer IEEE Transactions on Image Processing April 2018

keywords: CNN(Convolutional Neural Network), SICE，MEF

论文名称：

Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images

Prerequisite：Convolutional Neural Network

提高图像对比度的方法分单图像提高对比度算法(SICE)和同一场景多个曝光度合成的算法(MEF)。MEF之后的图片可以展现更多的图片细节，但是由于要拍摄多个曝光度的原因，如果拍摄中有动态的物体的话，合成后会出现虚影(ghosting)。另一方面，SICE可以只用一张图强化图片对比度，所以不会出现ghosting。但是合成的效果不如MEF，图片细节也不如MEF出来的图片效果好。有没有一种方法，既能没有ghosting，又能合成高对比度的图片呢？机器学习(ML)正好能做到这一点。如果输入是一张图片，label是同一场景下MEF合成的图片，通过适当的学习就能达到MEF的效果。这篇文章有灵性的地方就在于巧妙的运用ML架起了桥，绕过了这个坎。

目的：用新的提取图像特征的方法，结合不同的loss function用做实时的图像风格转化和超分辨率

重点和主要贡献：

提出了一个多曝光度的hdr图片的数据库，叫SICE。
用learning-based算法实现SICE，而且能达到MEF的效果。

==================================================================================

下面是部分重点的细节介绍，上面看懂的不用再往下看了。

==================================================================================

Review：

SICE方法：Histogram-based algorithms [4]–[6], which increase the contrast of an image by redistributing the luminous intensity on histogram. Retinex based algorithms [7]–[9], which enhance the reflectance and illumination components of the image separately.