.png){kind=icon}
返回
Low light image enhancement using improved simple quantum representation
.png){kind=icon}
PRE
AI
DOI：10.1088/1402-4896/ae4949.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，已开发出多种低光图像增强算法，采用了传统技术和基于机器学习的方法。这些技术作为后处理方法，会增加额外的计算开销。本文基于改进型简单量子表示（ISQR）提出了一种用于低光图像的量子图像表示模型。该模型灵感来源于最初为红外成像设计的简单量子表示（SQR）算法，ISQR通过在量子计算平台上高效编码低光灰度及彩色图像来扩展其适用性。由于量子成像硬件尚未商业化，本研究中的所有实验均通过仿真进行，以验证所提出的方法。ISQR被提议作为一种量子图像表示技术，其中经典像素值被编码到量子态中，并在多次量子测量和经典重构后获得增强图像。通过多种经典低光图像增强算法和统计分析，对比了所提出模型的增强性能。本文主要以煤矿和监控示例作为定性案例研究，展示ISQR在极低光照条件下的表现。所有这些分析和优势突显了其在未来量子相机开发中的潜力。
Keyword:
low light image enhancement
quantum image representation
ISQR
quantum computing
image enhancement algorithms
期刊
IF:
2.6
论文数:
4.3K
被引数:
2.5W
机构
引用论文
A Multi-Channel Representation for images on quantum computers using the RGBα color space
PREAI
分享收藏分享收藏SBC-Net: semantic-guided brightness curve estimation network for low-light image enhancementSbc-net: 用于低照度图像增强的语义引导亮度曲线估计网络.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏分享收藏Review of human detection techniques in night vision2017 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET)
2017 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET)IF0
PREAI
分享收藏
查看更多内容