摘要: 提出了一种基于移动平台的实时视频去噪算法。基于高斯-拉普拉斯金字塔分解,我们的解决方案的主要贡献是快速对齐和一个新的插值函数,融合有噪声的帧得到去噪的结果。该插值函数对输入帧的局部和全局特性具有自适应能力,对运动对齐误差具有鲁棒性,并且能够高效计算。结果表明,该算法具有相当的质量,离线高质量视频去噪的方法,但是是命令级快。在现代移动平台上,我们的工作用不到20ms的时间处理一个高清帧,并实现公共基准测试的最高分。 阅读全文
posted @ 2020-05-27 18:28 BrianX 阅读(4862) 评论(1) 推荐(1) 编辑
摘要: 该文章提出了一种利用像素空间信息增强输入图像对比度的方法。该算法是一种利用像素灰度空间分布计算像素空间熵的新方法。与传统方法不同的是,该算法考虑的是图像灰度空间位置的分布,而不是灰度分布或从图像灰度计算出的联合统计量。 对于每个灰度级,使用具有相同灰度级的所有像素的空间位置直方图计算相应的空间分布。通过计算图像灰度空间分布的熵值,得到一个分布函数,再将其映射成均匀分布函数,实现最终的对比度增强。 该方法在低对比度图像的情况下实现了对比度的改善; 并且如果图像的对比度足够高,它不会改变图像。因此,它总是在不失真的情况下产生令人愉悦的视觉效果。该方法与变换域系数加权相结合,实现了局部和全局对比度增强。局部对比度增强的程度是可以控制的。进行了若干对比增强效果的实验。实验结果表明,与现有的几种增强算法相比,本文提出的算法能产生更好的增强图像。 阅读全文
posted @ 2020-05-27 18:14 BrianX 阅读(4137) 评论(0) 推荐(0) 编辑
摘要: 在本文中,我们提出了一种精确的对比度增强的算法。具体来说,我们首先使用光照估计技术为图像融合设计权重矩阵。然后,我们用相机的响应模型合成多重曝光图像。接下来,我们找到最佳的曝光率,为了合成图像在原始图像曝光不足的区域进行更好的曝光。最后,输入图像和合成图像根据权重矩阵进行融合以获得图像增强的结果。 阅读全文
posted @ 2019-11-14 15:31 BrianX 阅读(4405) 评论(2) 推荐(2) 编辑