HyperAIHyperAI
vor 17 Tagen

Verbesserung von Bildern bei schlechten Lichtverhältnissen durch Aufspaltung der Dunkelheit

Qiming Hu, Xiaojie Guo
Verbesserung von Bildern bei schlechten Lichtverhältnissen durch Aufspaltung der Dunkelheit
Abstract

Bilder, die in Umgebungen mit geringem Licht aufgenommen werden, leiden häufig unter komplexen Degradierungen. Eine einfache Helligkeitsanpassung führt zwangsläufig zu einem Anstieg verborgener Rauschsignale und Farbverzerrungen. Um Ergebnisse mit zufriedenstellender Beleuchtung, Sauberkeit und Realitätsnähe aus degradierten Eingabebildern zu erzielen, präsentiert dieser Artikel einen neuartigen Ansatz, der sich an dem Prinzip „Teile und herrsche“ orientiert und die Verflechtung von Degradierungen erheblich verringert. Unter der Annahme, dass ein Bild in eine Texturkomponente (mit möglicherweise vorhandenem Rauschen) und eine Farbkomponente zerlegt werden kann, lässt sich gezielt Rauschunterdrückung, Farbkorrektur sowie Helligkeitsanpassung durchführen. Hierfür schlagen wir vor, ein Bild aus dem RGB-Raum in einen Helligkeits-Chrominanz-Raum zu transformieren. Ein anpassbares Rauschunterdrückungsnetzwerk wird entworfen, um Rauschen in der aufgehellten Helligkeitskomponente zu eliminieren, wobei die Beleuchtungskarte zur Schätzung der Rauschverstärkungsstufen dient. Die verbesserte Helligkeitskomponente fungiert anschließend als Leitfaden für den Chrominanz-Transformer, um realistische Farben zu generieren. Um die Wirksamkeit unseres Designs zu überprüfen, wurden umfangreiche Experimente durchgeführt, die sowohl quantitativ als auch qualitativ die Überlegenheit gegenüber aktuellen State-of-the-Art-Verfahren auf mehreren Benchmark-Datensätzen belegen. Der Quellcode ist öffentlich unter https://github.com/mingcv/Bread verfügbar.