.png){kind=icon}
返回
Low-light image enhancement algorithm for USB camera
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04701-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，大多数低光图像增强算法是在开源理想数据集上进行训练的，这无法有效解决在真实低光场景中捕获的图像中观察到的明显噪声和细节退化等问题。因此，本文使用USB摄像头采集图像，并设计实现了一种低光图像增强算法。首先，采用以SONY IMX335为图像传感器的USB摄像头，在0.08 lx的极低照度下采集图像以供后续图像增强。随后，设计了基于非局部滤波的自增强算法（SENF），该算法包括非局部去噪和自增强两部分。非局部去噪模块通过多尺度形态学及全局滤波策略保留图像细节。自增强模块将图像从RGB转换到HSV，并引入参数反馈以有效避免图像失真和过曝。实验结果表明，SENF在客观指标评估得分上比其他主流算法高出约26%，且主观视觉效果更优。所提出的SENF为提升实际应用中的低光图像质量提供了参考。
Keyword:
Low light
Non-local denoising
Multiscale morphology
Image self-enhancement
期刊
IF:
2.1
论文数:
877
被引数:
4.6K
机构
暂无机构信息
引用论文
Brateanu, A.; Balmez, R.; Avram, A.; Orhei, C.; Ancuti, C. LYT-NET: Lightweight YUV Transformer-based Network for Low-light Image Enhancement. IEEE Signal Process. Lett. 2025, 32, 2065–2069. [Google Scholar] [CrossRef]Brateanu, A.; Balmez, R.; Avram, A.; Orhei, C.; Ancuti, C. LYT-NET: 基于轻量级YUV Transformer网络的低光照图像增强方法。IEEE 信号处理快报，2025，32，2065–2069。 [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Kolmogorov-Arnold Networks in Transformer Attention for Low-Light Image EnhancementKolmogorov-Arnold Networks在Transformer注意力机制中的低光照图像增强应用
PREAI
分享收藏
A pyramid transformer with cross-shaped windows for low-light image enhancement具有十字形窗口的金字塔变压器，用于低光图像增强SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Illumination estimation for nature preserving low-light image enhancement保持自然的低光图像增强的光照估计VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏LightenDiffusion: Unsupervised Low-Light Image Enhancement with Latent-Retinex Diffusion Models
PREAI
分享收藏
查看更多内容