文献

J-GLOBAL ID：202002284594480665   整理番号：20A2615405

半分離分解による低光画像強調【JST・京大機械翻訳】

Low-Light Image Enhancement With Semi-Decoupled Decomposition

著者 (5件)： Hao Shijie (Key Laboratory of Knowledge Engineering with Big Data, Hefei University of Technology, Ministry of Education, Hefei, China) ,  Han Xu (Key Laboratory of Knowledge Engineering with Big Data, Hefei University of Technology, Ministry of Education, Hefei, China) ,  Guo Yanrong (Key Laboratory of Knowledge Engineering with Big Data, Hefei University of Technology, Ministry of Education, Hefei, China) ,  Xu Xin (School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan, China) ,  Wang Meng (Key Laboratory of Knowledge Engineering with Big Data, Hefei University of Technology, Ministry of Education, Hefei, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 22  号： 12  ページ： 3025-3038  発行年： 2020年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 低光画像強調は,高品質画像表示および他の視覚応用にとって重要である。しかしながら,その視覚自然性を維持しながら,画像の可視性を改善することが期待されるので,それは挑戦的タスクである。Retinexベースの方法は,このタスクのための代表的技術としてよく認識されてきたが,それらは,まだ次の限界を持つ。第1に,低効率画像分解または強い画像ノイズのため,種々のアーチファクトは,まだ強化結果にもたらすことができる。第2に,先験的情報は最初の課題を部分的に解決するために探索できるが,正則化項によって先験的にモデルを注意深くモデル化することが必要であり,通常,最適化プロセスを複雑にする。本論文では,Retinex画像分解が効率的な半デカップリング方式で達成される,新しいRetinexベースの低光画像強調法を提案して,これらの問題に取り組んだ。特に,照明層Iは,提案したGauss全変動モデルに基づく入力画像Sだけによって徐々に推定され,一方,反射率層RはSと中間Iによって共同で推定される。さらに,画像ノイズは,Rの推定の間,同時に抑制することができた。いくつかの公開データセットに関する実験結果は,著者らの方法がより高い可視性とより良い視覚品質の両方を有する画像を生み出して,それはいくつかの目的と主観的評価計量に関して最先端の低光増強方法より優れていることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  視覚 ,  反射率 ,  照明 ,  デカップリング ,  可視度 ,  正則化 ,  *画像強調 ,  アーチファクト ,  主観評価
準シソーラス用語： 画像表示 ,  画像分解 ,  高品質 ,  視覚品質 ,  総変動 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 分解 ,  像強調