이미지 향상 위한 색상 변화 추정 및 보정

비최적 조명 조건에서 촬영된 이미지는 과노출과 저노출 영역을 모두 포함할 수 있습니다. 현재의 접근 방식은 주로 이미지 밝기 조정에 초점을 맞추고 있으며, 이는 저노출 영역의 색상 톤 왜곡을 악화시키거나 과노출 영역의 정확한 색상을 복원하지 못하는 경우가 많습니다. 우리는 과노출 및 저노출 영역이 서로에 대해 반대 방향으로 색상 톤 분포가 이동한다는 점을 관찰하였습니다. 이러한 이동은 일반적으로 "정상 노출"된 영역이나 픽셀을 기준으로 하지 않기 때문에 결합 모델링에서 쉽게 정규화하기 어려울 수 있습니다.본 논문에서는 과노출과 저노출이 동시에 존재하는 이미지를 강화하기 위해 이러한 색상 이동을 추정하고 교정하는 방법을 학습하는 새로운 방법을 제안합니다. 구체적으로, 먼저 입력 이미지의 밝혀진 버전과 어두워진 버전의 색상 특징 맵을 UNet 기반 네트워크를 통해 도출합니다. 그 다음 가짜 정상 특징 생성기를 사용하여 가짜 정상 색상 특징 맵을 생성합니다.우리는 또한 도출된 밝혀진(또는 어두워진) 색상 특징 맵과 가짜 정상 색상 특징 맵 사이의 색상 이동을 추정하기 위한 새로운 COlor Shift Estimation (COSE) 모듈을 제안합니다. COSE 모듈은 과노출 및 저노출 영역의 추정된 색상 이동을 각각 개별적으로 교정합니다. 또한, 개별적으로 교정된 과노출 및 저노출 영역의 색상을 조절하여 강화된 이미지를 생성하기 위한 새로운 COlor MOdulation (COMO) 모듈도 제안합니다.포괄적인 실험 결과, 우리의 방법이 기존 접근 방식보다 우수함을 보여주었습니다. 프로젝트 웹페이지: https://github.com/yiyulics/CSEC.