基于双通道预先信息的自然低照明图像增强
1School of Big Data Engineering, Kaili University, Guizhou, Kaili 556011, China.
Heliyon
|September 12, 2024
概括
这项研究引入了一种自适应图像增强技术,以提高低光照相中的亮度,细节和颜色. 该方法使用初始照明图和最佳校正系数来有效地恢复图像.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 数字信号处理 数字信号处理
背景情况:
- 低亮度图像的可见性较差,细节丢失,颜色不自然.
- 现有的图像增强方法往往难以保持自然性和细节性.
研究的目的:
- 开发一种适应性图像增强方法,以恢复低照明图像中的亮度,细节和自然颜色.
- 为了提高照明估计和色彩校正的准确性.
主要方法:
- 构建一个初始的双通道照明图.
- 使用先前信息来计算最佳照明校正系数.
- 应用马校正与最佳系数来恢复照明.
- 使用改进的完美反射约束模型进行颜色恢复.
主要成果:
- 拟议的方法有效地恢复了低照明图像的亮度和细节.
- 自然色彩呈现是通过改进的完美反射约束模型实现的.
- 量化和视觉比较显示,与最先进的方法相比,性能优越.
结论:
- 适应性图像增强方法显著提高了低照明图像的视觉质量.
- 该技术为亮度,细节和色彩恢复提供了强大的解决方案.
- 这种方法为各种需要高质量的低光图像处理的应用提供了有价值的工具.
