用艺术设计增强图像:使用CNN-变压器融合模型进行视觉特征方法
Ming Xu1, Jinwei Cui1, Xiaoyu Ma1
1School of Architecture and Art, Central South University, Changsha, China.
PeerJ. Computer science
|December 9, 2024
概括
本研究提出了一种基于视觉特征的新型模型,用于增强由光和噪音扭曲的图形设计图像. 新方法显著提高了图像质量,比现有模型高出5-10%.
科学领域:
- 计算机视觉 计算机视觉
- 数字图像处理 数字图像处理
- 图形设计技术 图形设计技术
背景情况:
- 图形设计图像需要高清晰度,但采集通常会被光和噪音等外部因素降低.
- 现有的图像增强技术可能无法完全解决在图形设计中遇到的复杂扭曲.
- 新媒体时代不断变化的用户需求需要先进的图像增强解决方案.
研究的目的:
- 引入基于视觉特征的图形设计图像的新型图像增强模型.
- 为了提高扭曲的图形设计图像的定义和质量.
- 在文化和创意产品设计中推进增强图像的应用.
主要方法:
- 应用历史图平衡 (HE) 用于初始图像增强.
- 使用双流网络 (CNN和变压器) 与剩余密集块 (RDB) 进行特征提取.
- 集成功能使用注意力特征融合 (AFF) 模块,并采用以感知质量为指导的对抗性学习.
主要成果:
- 拟议的模型在两个大型图像数据集上实现了超过90%的增强效果.
- 与现有的图像增强模型相比,显示了5%-10%的改进.
- 在峰值信号与噪声比率 (PSNR) 和结构相似性指数测量 (SSIM) 中表现出卓越的表现.
结论:
- 融合模型显著提高了图形设计的图像质量.
- 该方法有效地恢复细节,并调整颜色以改善视觉感知.
- 这种方法有可能在文化和创意产品设计中得到应用.
