HyperAIHyperAI
il y a 2 mois

Estimation et correction du décalage de couleur pour l’amélioration des images

Li, Yiyu ; Xu, Ke ; Hancke, Gerhard Petrus ; Lau, Rynson W. H.
Estimation et correction du décalage de couleur pour l’amélioration des images
Résumé

Les images capturées dans des conditions d'éclairage sous-optimales peuvent contenir à la fois des zones surexposées et sous-exposées. Les approches actuelles se concentrent principalement sur l'ajustement de la luminosité des images, ce qui peut aggraver la distorsion des tons de couleur dans les zones sous-exposées et échouer à restaurer les couleurs précises dans les régions surexposées. Nous observons que les régions surexposées et sous-exposées présentent des décalages opposés dans leur distribution de tons de couleur par rapport l'une à l'autre, ce qui ne peut pas être facilement normalisé dans un modèle conjoint car elles n'ont généralement pas de régions/pixels « normalement exposés » comme référence. Dans cet article, nous proposons une nouvelle méthode pour améliorer les images avec à la fois des zones surexposées et sous-exposées en apprenant à estimer et corriger ces décalages de couleur. Plus précisément, nous commençons par dériver les cartes de caractéristiques de couleur des versions éclaircies et assombries de l'image d'entrée au moyen d'un réseau basé sur UNet, puis nous utilisons un générateur de caractéristiques pseudo-normales pour produire des cartes de caractéristiques de couleur pseudo-normales. Nous proposons ensuite un nouveau module d'Estimation des Décalages de Couleur (EDC) pour estimer les décalages de couleur entre les cartes de caractéristiques de couleur éclaircies (ou assombries) dérivées et les cartes de caractéristiques de couleur pseudo-normales. Le module EDC corrige séparément les décalages de couleur estimés dans les régions surexposées et sous-exposées. Nous proposons également un nouveau module de Modulation des Couleurs (MCO) pour moduler séparément les couleurs corrigées dans les régions surexposées et sous-exposées afin de produire l'image améliorée. Des expériences exhaustives montrent que notre méthode surpassent les approches existantes. Page web du projet : https://github.com/yiyulics/CSEC.Note: - "UNet" is kept as is since it's a specific term.- "COSE" and "COMO" are translated to their French equivalents "EDC" (Estimation des Décalages de Couleur) and "MCO" (Modulation des Couleurs), respectively, for better readability in French.- The project webpage URL remains unchanged as it is a direct link.