CN107492075A - 一种基于细节增强的单张ldr图像曝光校正的方法 - Google Patents
一种基于细节增强的单张ldr图像曝光校正的方法 Download PDFInfo
- Publication number
- CN107492075A CN107492075A CN201710633747.4A CN201710633747A CN107492075A CN 107492075 A CN107492075 A CN 107492075A CN 201710633747 A CN201710633747 A CN 201710633747A CN 107492075 A CN107492075 A CN 107492075A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- intensity
- image
- overexposure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 18
- 238000005286 illumination Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000000205 computational method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于细节增强的单张LDR图像曝光校正的方法。针对单张LDR(低动态范围)图像同时存在过曝光和欠曝光区域的情况,对传统的Retinex算法进行改进和扩展,分别对过曝光区域与欠曝光区域进行校正,然后将校正后的图像进行融合。本发明方法可以同时增强单张LDR图像的过曝光与欠曝光区域的细节,且处理结果保持良好的视觉效果,而不会出现过增强(饱和度过度,偏色,伪信息等)现象。
Description
技术领域
本发明属于数字图像处理领域,涉及一种基于细节增强的单张LDR图像曝光校正的方法。
背景技术
消费级传感器不能捕捉真实世界的高动态范围,如当暗场景出现强光时,获取的低动态图像(LDR)会出现错误曝光(过曝光或欠曝光)的区域。这种图像视觉质量差,且在错误曝光区域的细节也被压缩,甚至丢失。许多校正方法被提出用于图像过曝光或欠曝光区域的恢复。常用的如直方图均衡化或gamma校正方法可以增强图像整体对比度,但这些方法不能自适应于图像不同区域。改进的自适应直方图均衡化可以很好的增强图像各区域细节,但其存在过增强(即饱和度过度,偏色,伪信息等)以及区域过渡不自然现象。也有专门处理过曝光区域或欠曝光增强的方法,但当单张LDR(Low Dynamic Range)图像同时存在过曝光与欠曝光区域时,往往不能得到很好的校正结果。
对于同时处理过曝光区域与欠曝光区域,也有基于图像修复的方法和自适应的S曲线曝光校正等方法被提出,其可以得到比较好的视觉效果,但对于曝光错误区域的细节却不能很好的恢复。有很多HDR压缩的方法可以将多张LDR图像融合得到正确曝光的图像,但其需要多张LDR图像或者针对HDR图像,对于单张LDR图像无能为力。
发明内容
本发明的目的是对单张LDR图像的曝光不正确区域,分别进行过曝光校正和欠曝光校正,以增强这些曝光不正确区域的细节,使其便于观察与后续的图像信息处理。
为达到以上目的,本发明采用以下技术方案:一种基于细节增强的单张LDR图像曝光校正的方法,该方法包括以下步骤:
1.欠曝光区域校正
1-1初始估计光照强度
其中,c表示RGB颜色通道。
1-2采用WLS方法,确定光照强度L,可以得到:
其中,Dx,Dy为水平和竖直方向的梯度,λ控制平滑程度,ax和ay是依赖于的平滑权重:
其中,α取1~1.2,∈是一个小常数,防止分母为零。
1-3依据Retinex模型,利用下式恢复场景反射强度Ru
其中,γ用来控制图像增强强度。
2.过曝光区域校正
2-1提出暗亮度概念,其可以用来指示可能出现的过曝光区域。初始估计暗亮度为:
其中,c表示RGB颜色通道。
2-2用WLS算法进行平滑:
2-3利用下式恢复过曝光场景的反射强度Ro
3.图像融合
3-1对于欠曝光校正图像的权重为:
对于过曝光校正图像的权重为:
3-2对上述权重进行显著性检测,将检测的结果作为权重,并做归一化,得到最终的权重。
此处,采用了LC显著性检测方法,其计算方法为:
3-3通过下式将校正图像融合起来
4.多尺度处理
4-1取不同的WLS滤波权重λ,重复上述步骤,得到多尺度处理结果。
4-2最后将多尺度处理的结果加权叠加起来
其中,k为归一化因子,N为尺度数,w0为原图像I对应的权重,wi为采用WLS滤波权重λi时图像对应的权重。
本发明的有益效果:本发明对单张LDR图像中同时存在过曝光与欠曝光区域有很好的处理效果,不仅增强这些区域的细节,而且有着好的视觉效果。本发明方法也可以用于只存在过曝光或欠曝光的图像。本发明方法可实现自动化处理,只需要设定好初始参数,就可以实现自动曝光校正,而不需要人工干预。
附图说明
图1为单张LDR图像的错误曝光示例;
图2为本发明方法主要框架流程示意图;
图3为本发明方法细节流程示意图;
图4为本发明方法的结果示意图;
图5为本发明方法与其他方法的比较。
具体实施方式
以下结合附图和具体实施例对本发明作进一步说明。
本发明针对单张LDR图像同时存在过曝光和欠曝光区域的情形,利用改进和扩展的Retinex方法,对过曝光和欠曝光区域分别进行校正和增强。本发明的流程如附图2和图3所示,主要包括欠曝光区域校正、过曝光区域的校正,以及将两者的校正结果做图像融合,多尺度处理等几个步骤。
步骤1.欠曝光区域校正
1-1选择单张待校正的LDR图像,通过下式初始估计光照强度
其中,c表示图像的RGB颜色通道,I为原图像;
1-2设定初始参数λ=1.0,利用L是缓慢变换的先验条件,采用WLS方法,确定光照强度L,可以得到
其中,Dx,Dy为水平和竖直方向的梯度,ax和ay计算如下
其中,α=1.2,∈是一个小常数,防止分母为零,一般取0.0001。
1-3利用下式恢复场景反射强度
其中,γ用来控制图像增强强度,一般取为0.4~0.8,本实施例取0.6。
步骤2.过曝光区域校正
2-1利用暗亮度来指示可能出现的过曝光区域,初始估计暗亮度为
其中,c表示RGB颜色通道,越大,该区域越可能出现过曝光现象。
2-2Ld是满足缓慢变换的条件,故也对其用WLS算法进行平滑。
其参数可以与欠曝光区域增强过程中设置的相同。
2-3利用下式恢复过曝光场景的反射强度
为了使得过曝光区域不过增强,本实施例取γ=0.5。
步骤3.图像融合
3-1为了使得各自的增强的细节保留下来,需要给其相应增强的区域更大的权重。对于欠曝光的区域,重点增强的区域是那些光照强度L比较小的区域,而对于过曝光的区域,重点增强的区域是那些暗亮度Ld比较大的区域,所以定义两幅图像的权重如下,对于欠曝光校正图像的权重为:
对于过曝光校正图像的权重为:
3-2为了使得对比度不过于强烈,使得图像看起来不真实,对上述权重进行显著性检测,将检测的结果作为权重,并做归一化,得到最终的权重。
此处,采用了LC显著性检测方法,其计算方法为:
3-3通过下式将校正图像融合起来
步骤4.多尺度处理
4-1为了使得结果看起来更加自然,并消除融合可能出现的halo现象,我们对图像在多尺度上进行处理,然后将图像叠加起来。多尺度图像的获得可以通过调整WLS算法里面的平滑权重λ,λ越大,照明分量越平滑,计算得到的反射分量细节增强的越强烈。取WLS滤波权重λ为0.125、1.0、8.0,重复上述步骤,得到多尺度处理结果。
4-2将多尺度增强的结果加权叠加起来。
其中,k为归一化因子,一般情况下,可取wi=w01。
本实施例的相关处理结果如图4所。图5将本实施例的结果与限制对比度自适应直方图均衡化(CLAHE)结果进行比较,可以看出,本发明方法在增强细节的同时保持了良好的视觉效果,避免了过增强现象。
Claims (5)
1.一种基于细节增强的单张LDR图像曝光校正的方法,其特征在于,该方法包括以下步骤:
(1)欠曝光区域校正,具体是:
(1.1)初始估计光照强度为图像RGB三通道的最大值;
(1.2)利用光照强度是缓慢变化的先验条件,采用WLS滤波,确定光照强度L;
(1.3)利用步骤(1.2)得到的光照强度,基于Retinex理论模型,恢复场景反射强度,即欠曝光校正图像;
(2)过曝光区域校正,具体是:
(2.1)初始估计暗亮度为图像RGB三通道的最小值;
(2.2)利用光照强度是缓慢变化的先验条件,采用WLS滤波,确定暗亮度强度Ld;
(2.3)利用步骤(2.2)得到暗亮度,基于改进的Retinex理论模型,恢复场景反射强度,即过曝光校正图像;所述改进的Retinex理论模型定义如下:
(1-I)=(1-Ro)×(1-Ld)
其中,Ro为过曝光区域反射强度;
(3)基于显著性的图像融合,具体是:
(3.1)定义欠曝光校正图像的融合权重过曝光校正图像的权重为
(3.2)利用LC显著性对上述权重进行显著性检测,并做归一化,作为各自的最终权重;
(3.3)将欠曝光和过曝光校正的结果分别与各自的权重相乘,叠加起来,作为最终的校正图像;
(4)多尺度处理,具体是:
(4.1)对于WLS滤波取不同的权重,得到不同尺度的校正图像;
(4.2)将不同尺度的校正图像叠加起来,得到多尺度融合图像。
2.根据权利要求1所述的基于细节增强的单张LDR图像曝光校正的方法,其特征在于,所述步骤(1.3)中,恢复场景反射强度Ru的公式如下:
<mrow>
<msub>
<mi>R</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>I</mi>
<mrow>
<msup>
<mi>L</mi>
<mi>&gamma;</mi>
</msup>
<mo>+</mo>
<mo>&Element;</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mi>I</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
其中,γ用来控制图像增强强度,L为步骤(1.2)得到的光照强度,∈是一个小常数,防止分母为零。
3.根据权利要求1所述的基于细节增强的单张LDR图像曝光校正的方法,其特征在于,所述步骤(2.2)中,采用WLS滤波,对初始估计的暗亮度进行平滑滤波,确定暗亮度。
4.根据权利要求1所述的基于细节增强的单张LDR图像曝光校正的方法,其特征在于,所述步骤(2.3)中,通过下式恢复过曝光区域反射强度Ro:
<mrow>
<msub>
<mi>R</mi>
<mi>o</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>I</mi>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&gamma;</mi>
</msup>
<mo>+</mo>
<mo>&Element;</mo>
</mrow>
</mfrac>
<mo>,</mo>
<mi>I</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
其中,γ用来控制图像增强强度,Ld为步骤(2.2)得到的暗亮度强度,∈是一个小常数,防止分母为零。
5.根据权利要求1所述的基于细节增强的单张LDR图像曝光校正的方法,其特征在于,所述步骤(3.2)中,归一化公式如下:
<mrow>
<msub>
<mi>W</mi>
<mi>o</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>W</mi>
<mrow>
<mi>o</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>o</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<mo>&Element;</mo>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>W</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>W</mi>
<mrow>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>o</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<mo>&Element;</mo>
</mrow>
</mfrac>
</mrow>
其中:
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>o</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>S</mi>
<mi>a</mi>
<mi>l</mi>
<mi>i</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mi>M</mi>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>W</mi>
<mo>^</mo>
</mover>
<mi>o</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>S</mi>
<mi>a</mi>
<mi>l</mi>
<mi>i</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mi>M</mi>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>W</mi>
<mo>^</mo>
</mover>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mi>a</mi>
<mi>l</mi>
<mi>i</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mi>M</mi>
<mi>a</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mo>&ForAll;</mo>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>I</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710633747.4A CN107492075B (zh) | 2017-07-28 | 2017-07-28 | 一种基于细节增强的单张ldr图像曝光校正的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710633747.4A CN107492075B (zh) | 2017-07-28 | 2017-07-28 | 一种基于细节增强的单张ldr图像曝光校正的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107492075A true CN107492075A (zh) | 2017-12-19 |
CN107492075B CN107492075B (zh) | 2019-12-10 |
Family
ID=60644998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710633747.4A Expired - Fee Related CN107492075B (zh) | 2017-07-28 | 2017-07-28 | 一种基于细节增强的单张ldr图像曝光校正的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107492075B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120860A (zh) * | 2018-09-11 | 2019-01-01 | 昆山星际舟智能科技有限公司 | 微观自适应图像处理方法 |
CN111353960A (zh) * | 2020-03-02 | 2020-06-30 | 浙江大学 | 一种基于区域生长与交叉通道信息的图像紫边校正方法 |
CN111386697A (zh) * | 2019-04-02 | 2020-07-07 | 深圳市大疆创新科技有限公司 | 过曝恢复处理方法、设备及计算机可读存储介质 |
CN112468737A (zh) * | 2020-11-25 | 2021-03-09 | 上海摩象网络科技有限公司 | 自动曝光区域曝光量权重矩阵处理方法和装置 |
CN112819702A (zh) * | 2019-11-15 | 2021-05-18 | 北京金山云网络技术有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
CN112819699A (zh) * | 2019-11-15 | 2021-05-18 | 北京金山云网络技术有限公司 | 视频处理方法、装置及电子设备 |
CN115601267A (zh) * | 2022-10-31 | 2023-01-13 | 哈尔滨理工大学(Cn) | 一种具有局部细节补偿能力的全局色阶映射方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497490A (zh) * | 2011-12-16 | 2012-06-13 | 上海富瀚微电子有限公司 | 实现图像高动态范围压缩的***及其方法 |
US20170076145A1 (en) * | 2015-09-11 | 2017-03-16 | EyeVerify Inc. | Image enhancement and feature extraction for ocular-vascular and facial recognition |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
CN106981052A (zh) * | 2017-01-12 | 2017-07-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于变分框架的自适应亮度不均变分校正方法 |
-
2017
- 2017-07-28 CN CN201710633747.4A patent/CN107492075B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497490A (zh) * | 2011-12-16 | 2012-06-13 | 上海富瀚微电子有限公司 | 实现图像高动态范围压缩的***及其方法 |
US20170076145A1 (en) * | 2015-09-11 | 2017-03-16 | EyeVerify Inc. | Image enhancement and feature extraction for ocular-vascular and facial recognition |
CN106981052A (zh) * | 2017-01-12 | 2017-07-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于变分框架的自适应亮度不均变分校正方法 |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
Non-Patent Citations (2)
Title |
---|
XUEYANG FU等: "A retinex-based enhancing approach for single underwater image", 《IEEE》 * |
赵宏宇等: "基于WLS的Retinex单幅夜间彩色图像增强方法", 《北京工业大学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120860A (zh) * | 2018-09-11 | 2019-01-01 | 昆山星际舟智能科技有限公司 | 微观自适应图像处理方法 |
CN111386697A (zh) * | 2019-04-02 | 2020-07-07 | 深圳市大疆创新科技有限公司 | 过曝恢复处理方法、设备及计算机可读存储介质 |
CN112819702A (zh) * | 2019-11-15 | 2021-05-18 | 北京金山云网络技术有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
CN112819699A (zh) * | 2019-11-15 | 2021-05-18 | 北京金山云网络技术有限公司 | 视频处理方法、装置及电子设备 |
CN112819702B (zh) * | 2019-11-15 | 2024-02-20 | 北京金山云网络技术有限公司 | 图像增强方法、装置、电子设备及计算机可读存储介质 |
CN111353960A (zh) * | 2020-03-02 | 2020-06-30 | 浙江大学 | 一种基于区域生长与交叉通道信息的图像紫边校正方法 |
CN111353960B (zh) * | 2020-03-02 | 2022-04-26 | 浙江大学 | 一种基于区域生长与交叉通道信息的图像紫边校正方法 |
CN112468737A (zh) * | 2020-11-25 | 2021-03-09 | 上海摩象网络科技有限公司 | 自动曝光区域曝光量权重矩阵处理方法和装置 |
CN112468737B (zh) * | 2020-11-25 | 2022-04-29 | 上海摩象网络科技有限公司 | 自动曝光区域曝光量权重矩阵处理方法和装置 |
CN115601267A (zh) * | 2022-10-31 | 2023-01-13 | 哈尔滨理工大学(Cn) | 一种具有局部细节补偿能力的全局色阶映射方法 |
CN115601267B (zh) * | 2022-10-31 | 2023-04-07 | 哈尔滨理工大学 | 一种具有局部细节补偿能力的全局色阶映射方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107492075B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492075A (zh) | 一种基于细节增强的单张ldr图像曝光校正的方法 | |
US20220292658A1 (en) | Image fusion method and apparatus, storage medium, and electronic device | |
CN107833184A (zh) | 一种基于多曝光生成再融合框架的图像增强方法 | |
CN107657594A (zh) | 一种高质量的快速色调映射方法和*** | |
CN107220956A (zh) | 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法 | |
CN104182947B (zh) | 一种低照度图像增强方法和*** | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN109064423B (zh) | 一种基于非对称循环生成对抗损失的智能修图方法 | |
CN109934787B (zh) | 一种基于高动态范围的图像拼接方法 | |
CN106791471A (zh) | 图像优化方法、图像优化装置和终端 | |
CN111476732B (zh) | 一种图像融合及去噪的方法及*** | |
CN106683080A (zh) | 一种视网膜眼底图像预处理方法 | |
CN114862698B (zh) | 一种基于通道引导的真实过曝光图像校正方法与装置 | |
CN107369133A (zh) | 一种人脸图像美化方法和装置 | |
CN103702116B (zh) | 一种图像的宽动态压缩方法和装置 | |
CN109727198B (zh) | 一种基于肤色检测的图像亮度优化方法 | |
CN110852956A (zh) | 一种高动态范围图像的增强方法 | |
CN111105359A (zh) | 一种高动态范围图像的色调映射方法 | |
CN113313639A (zh) | 基于Retinex多层次分解的图像增强方法 | |
Parihar et al. | A comprehensive analysis of fusion-based image enhancement techniques | |
Merianos et al. | A hybrid multiple exposure image fusion approach for HDR image synthesis | |
CN116416175A (zh) | 一种基于自适应边缘保持平滑金字塔的图像融合方法 | |
CN116389913A (zh) | 一种基于深度曲线估计的图像曝光校正方法 | |
JP5327766B2 (ja) | デジタル画像における記憶色の修正 | |
Zini et al. | Shallow camera pipeline for night photography rendering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191210 Termination date: 20210728 |
|
CF01 | Termination of patent right due to non-payment of annual fee |