BriefGPT - AI 论文速递
·
一种基于自适应增强算法的偏心误差校正的机器视觉方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种自参考深度自适应曲线估计（Self-DACE）的低光图像增强方法，通过亮度增强算法和深度自适应调整曲线（AAC）和降噪方案，对每个像素进行映射和去噪，保留图像的颜色、结构和保真度。实验结果显示，该方法优于现有算法。
🎯
关键要点
-
提出了一种自参考深度自适应曲线估计（Self-DACE）的低光图像增强方法。
-
方法分为两个阶段，第一阶段为亮度增强算法，基于新颖的低光增强曲线。
-
新损失函数和简化的物理模型旨在保留自然图像的颜色、结构和保真度。
-
使用普通CNN通过深度自适应调整曲线（AAC）对每个像素进行映射。
-
引入降噪方案以去除图像中的噪声，特别是暗部噪声。
-
全面的定性和定量分析表明，该方法优于现有的最先进算法。
➡️
