基于字典的详细学习,用于使用工业应用的相机响应模型在低光条件下进行图像增强
Bhawna Goyal1, Ayush Dogra2, Ammar Jalamneh3
1Department of UCRD and ECE, Chandigarh University, Mohali, Punjab, 140413, India. bhawnagoyal28@gmail.com.
Scientific reports
|July 25, 2024
概括
这项研究引入了一个新的框架,用于使用词典学习和摄像机响应模型在低光条件下进行图像增强. 它改善了细节呈现和颜色完整性,为退化图像提供了更好的性能.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 低光条件会降低图像质量,影响设备性能.
- 在低光增强中,平衡光强度,细节和颜色是具有挑战性的.
研究的目的:
- 为低光条件提供一种新的图像增强框架.
- 为了改善细节呈现和色彩完整性在退化图像.
主要方法:
- 使用词典学习进行图像细节补丁的稀疏表征.
- 包含一个边缘感知过器,以增强细节.
- 使用相机响应模型 (CRM) 进行照明估计,以调整像素曝光.
主要成果:
- 拟议的方法产生了高质量的增强图像,改善了细节可见性.
- 实验分析证实了该方法在产生可接受扭曲的增强结果方面的优势.
结论:
- 这种新的框架通过平衡关键属性,有效地增强了低亮度图像.
- 该方法可用于各种应用,如遥感,医学成像和不良条件.


