DFCNet: red de calibración de dominio de frecuencia de doble etapa para la mejora de la imagen con poca luz

Área de la Ciencia:

• Visión por computadora
• Procesamiento de imágenes
• Inteligencia artificial

Sus antecedentes:

• Las condiciones de poca luz degradan la calidad de la imagen, afectando la vigilancia y el diagnóstico médico.
• Los métodos convencionales de mejora de imagen con poca luz (LLIE) a menudo requieren datos extensos y altos recursos computacionales, lo que limita las aplicaciones en tiempo real.

Objetivo del estudio:

• Desarrollar un método LLIE ligero y sin supervisión para mejorar el procesamiento de imágenes en tiempo real.
• Abordar las limitaciones de las técnicas convencionales de LLIE, incluida la dependencia de datos y el costo computacional.

Principales métodos:

• Propuso una red de calibración de dominio de frecuencia en dos etapas (DFCNet) para la mejora de la imagen sin supervisión en condiciones de poca luz.
• Se utilizó un módulo de modulación de características preliminares (PFM) y un módulo de estimación de iluminación (IE) para la mejora inicial.
• Utilizó un módulo de calibración residual de dominio de frecuencia (FRC) durante el entrenamiento para la optimización de parámetros.

Principales resultados:

• DFCNet logró un rendimiento superior en los conjuntos de datos de referencia en comparación con los métodos existentes.
• El método propuesto produjo imágenes mejoradas visualmente más claras y naturales.
• Eficacia demostrada en la mejora de las métricas de calidad de imagen en condiciones de poca luz.

Conclusiones:

• DFCNet ofrece una solución efectiva y eficiente para la mejora de la imagen con poca luz.
• El enfoque ligero y sin supervisión lo hace adecuado para aplicaciones en tiempo real.
• La calibración de dominio de frecuencia en dos etapas mejora significativamente la calidad de la imagen y la preservación de los detalles.