-
这是2020年TMM期刊的一篇传统方法暗图增强的论文,提出了基于GTV的亮度层估计。
-
最初是如下公式,用高斯滤波核和高斯函数对梯度进行归一化:
但这样太难优化了,所以进一步约简为如下下形式方便优化:
从而将前面的分式设为 ω \omega ω,可以得到如下的最终公式,也就是最近两年的retinex论文里用到的GTV损失公式,其中S为原图:
-
最优值可以迭代求得:
-
求得I之后,再求R,可以用同样的方式求得一个平滑的R从而实现去噪:
-
优化的公式我这里就不展开细说了。实验结果看NIQE和图片还是蛮不错的
还可以去雾:
-
启发是先估计平滑的I,再根据平滑的I和原图,估计平滑的R,可以一定程度上实现去噪
Low-Light Image Enhancement With Semi-Decoupled Decomposition
猜你喜欢
转载自blog.csdn.net/weixin_44326452/article/details/131754001
今日推荐
周排行