دوره 21، شماره 2 - ( 8-1403 )
جلد 21 شماره 2 صفحات 104-91 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ahmadnia M, Maghrebi M, Ghanbari R. Providing an effective way to enhance low-light images: Enhanced Illumination Map Optimally. JSDP 2024; 21 (2) : 8
URL: http://jsdp.rcisp.ac.ir/article-1-1256-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1256-fa.html
احمدنیا مهدی، مغربی مجتبی، قنبری رضا. ارائه روشی مؤثر برای بهبود تصاویر تاریک: بهبود بهینه نقشه روشنایی. پردازش علائم و داده‌ها. 1403; 21 (2) :91-104
دانشیار گروه مهندسی عمران دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران
چکیده: (61 مشاهده)
به‌طورمعمول جزئیات صحنه هدف در تصاویر ضبط‌شده در محیط‌های کم‌نور به‌خوبی قابل‌تشخیص نیستند. این مشکل می‌تواند عملکرد بسیاری از الگوریتم‌های دید رایانه را کاهش دهد؛ به‌همین‌دلیل در این مقاله روشی جدید ارائه می‌شود تا با افزایش میزان روشنایی، جزئیات پنهان‌شده را دراین تصاویر نمایان سازد. در روش پیشنهادی ابتدا نقشه روشنایی اولیه تصویر محاسبه، سپس با استفاده از یک مدل ریاضی جدید نقشه روشنایی اولیه بهبود داده می‌شود. مشتق‌پذیربودن تابع هدف مدل پیشنهادی وجه‌تمایز آن با سایر مدل‌های مشابه است. درکل روش‌های کلاسیک بهینه‌سازی مانند روش‌های نیوتن، گرادیان و ناحیه اعتماد نیازمند مشتق‌پذیری تابع هدف‌اند؛ بنابراین برای حل مدل پیشنهادی می‌توان از روش‌های متنوع‌تری در مقایسه باسایر مدل‌های مشابه استفاده کرد. خطی‌بودن قیدها و محدب‌بودن مدل پیشنهادی از دیگر ویژگی‌های مثبت این مدل است. نتایج بررسی‌ها نشان می‌دهد که روش پیشنهادی عملکرد خوبی در روشن‌کردن تصاویر تاریک و همچنین نمایان‌ساختن جزئیات صحنه هدف دارد و از این منظر قابل رقابت با بسیاری از روش‌های مطرح بهبود تصاویر تاریک است.
شماره‌ی مقاله: 8
واژه‌های کلیدی: افزایش روشنایی، بهبود تصاویر تاریک، نقشه روشنایی، نظریه ریتاینکس، مدل بهینه‌سازی، پردازش تصویر
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1400/5/5 | پذیرش: 1403/6/1 | انتشار: 1403/8/14 | انتشار الکترونیک: 1403/8/14
دریافت: 1400/5/5 | پذیرش: 1403/6/1 | انتشار: 1403/8/14 | انتشار الکترونیک: 1403/8/14
فهرست منابع
1. D. Oneata, J. Revaud, J. Verbeek, and C. Schmid, "Spatio-temporal object detection proposals," 2014, doi: 10.1007/978-3-319-10578-9_48. [DOI:10.1007/978-3-319-10578-9_48]
2. A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet classification with deep convolutional neural networks," 2012, doi: 10.1061/(ASCE)GT.1943-5606.0001284. [DOI:10.1061/(ASCE)GT.1943-5606.0001284]
3. رضائی، معصومه، رضائیان، مهدی و ولی درهمی، «توصیف‌گر موضعی جدید با استفاده از نگاشت مرکاتور به‌منظور تشخیص اشیای سه‌بعدی»، مجلة پردازش علائم و داده‌ها، شمارة 1، صفحات 111-124، 1401
4. K. Zhang, L. Zhang, and M. H. Yang, "Fast Compressive Tracking," IEEE Trans. Pattern Anal. Mach. Intell., 2014, doi: 10.1109/TPAMI.2014.2315808. [DOI:10.1109/TPAMI.2014.2315808]
5. Y. Liu, R. R. Martin, L. De Dominicis, and B. Li, "Using retinex for point selection in 3D shape registration," Pattern Recognit., 2014, doi: 10.1016/j.patcog.2013.12.015. [DOI:10.1016/j.patcog.2013.12.015]
6. C. Jung, T. Sun, and L. Jiao, "Eye detection under varying illumination using the retinex theory," Neurocomputing, 2013, doi: 10.1016/j.neucom.2013.01.038. [DOI:10.1016/j.neucom.2013.01.038]
7. C. Couprie, C. Farabet, L. Najman, and Y. LeCun, "Indoor semantic segmentation using depth information," 2013.
8. J. K. W. Wong, M. Maghrebi, A. Ahmadian Fard Fini, M. A. Alizadeh Golestani, M. Ahmadnia, and M. Er, "Development of a refined illumination and reflectance approach for optimal construction site interior image enhancement," Constr. Innov., 2024, doi: 10.1108/CI-02-2022-0044. [DOI:10.1108/CI-02-2022-0044]
9. احمدی، سید محمد و دیانت، روح الله، «یک چارچوب توزیعی مبتنی‌بر خوشه‌بندی دومرحله‌ای برای شناسایی چهره درمقیاس بالا»، مجله پردازش علائم و داده‌ها، شمارة 1، صفحات 53-70، 1403
10. S. Sarkar, V. Venugopalan, K. Reddy, M. Giering, J. Ryde, and N. Jaitly, "Occlusion Edge Detection in RGB-D Frames using Deep Convolutional Networks," 2014, [Online]. Available: http://arxiv.org/abs/1412.7007.
11. K. G. Lore, A. Akintayo, and S. Sarkar, "LLNet: A deep autoencoder approach to natural low-light image enhancement," Pattern Recognit., 2017, doi: 10.1016/j.patcog.2016.06.008. [DOI:10.1016/j.patcog.2016.06.008]
12. W. Kim, R. Lee, M. Park, and S. H. Lee, "Low-Light Image Enhancement Based on Maximal Diffusion Values," IEEE Access, 2019, doi: 10.1109/ACCESS.2019.2940452. [DOI:10.1109/ACCESS.2019.2940452]
13. X. Guo, Y. Li, and H. Ling, "LIME: Low-light image enhancement via illumination map estimation," IEEE Trans. Image Process., 2017, doi: 10.1109/TIP.2016.2639450. [DOI:10.1109/TIP.2016.2639450]
14. S. Der Chen and A. R. Ramli, "Contrast enhancement using recursive mean-separate histogram equalization for scalable brightness preservation," IEEE Trans. Consum. Electron., 2003, doi: 10.1109/TCE.2003.1261233. [DOI:10.1109/TCE.2003.1261233]
15. T. Arici, S. Dikbas, and A. Altunbasak, "A histogram modification framework and its application for image contrast enhancement," IEEE Trans. Image Process., 2009, doi: 10.1109/TIP.2009.2021548. [DOI:10.1109/TIP.2009.2021548]
16. M. Veluchamy and B. Subramani, "Image contrast and color enhancement using adaptive gamma correction and histogram equalization," Optik (Stuttg)., 2019, doi: 10.1016/j.ijleo.2019.02.054. [DOI:10.1016/j.ijleo.2019.02.054]
17. [K. Srinivas and A. K. Bhandari, "Low light image enhancement with adaptive sigmoid transfer function," IET Image Process., vol. 14, no. 4, pp. 668-678, 2020, doi: 10.1049/iet-ipr.2019.0781. [DOI:10.1049/iet-ipr.2019.0781]
18. M. A. Al Wadud, M. H. Kabir, M. A. A. Dewan, and O. Chae, "A dynamic histogram equalization for image contrast enhancement," IEEE Trans. Consum. Electron., 2007, doi: 10.1109/TCE.2007.381734. [DOI:10.1109/TCE.2007.381734]
19. Edwin H. Land, "The Retinex Theory of Color Vision," Sci. Am., 1977. [DOI:10.1038/scientificamerican1277-108]
20. X. Fu, D. Zeng, Y. Huang, X. P. Zhang, and X. Ding, "A Weighted Variational Model for Simultaneous Reflectance and Illumination Estimation," 2016, doi: 10.1109/CVPR.2016.304. [DOI:10.1109/CVPR.2016.304]
21. D. Parihar, A. Singh, and K. Singh, "Illumination Estimation for Nature Preserving low-light image enhancement," pp. 1-11, 2020. [DOI:10.36227/techrxiv.12236780]
22. M. K. Ng and W. Wang, "A Total Variation Model for Retinex," SIAM J. Imaging Sci., 2011, doi: 10.1137/100806588. [DOI:10.1137/100806588]
23. S. Wang, J. Zheng, H. M. Hu, and B. Li, "Naturalness preserved enhancement algorithm for non-uniform illumination images," IEEE Trans. Image Process., 2013, doi: 10.1109/TIP.2013.2261309. [DOI:10.1109/TIP.2013.2261309]
24. G. Fu, L. Duan, and C. Xiao, "A Hybrid L2 -LP Variational Model for Single Low-Light Image Enhancement with Bright Channel Prior," 2019, doi: 10.1109/ICIP.2019.8803197. [DOI:10.1109/ICIP.2019.8803197]
25. D. J. Jobson, Z. U. Rahman, and G. A. Woodell, "A multiscale retinex for bridging the gap between color images and the human observation of scenes," IEEE Trans. Image Process., 1997, doi: 10.1109/83.597272. [DOI:10.1109/83.597272]
26. D. J. Jobson, Z. U. Rahman, and G. A. Woodell, "Properties and performance of a center/surround retinex," IEEE Trans. Image Process., 1997, doi: 10.1109/83.557356. [DOI:10.1109/83.557356]
27. W. Wang, X. Wu, X. Yuan, and Z. Gao, "An Experiment-Based Review of Low-Light Image Enhancement Methods," IEEE Access. 2020, doi: 10.1109/ACCESS.2020.2992749. [DOI:10.1109/ACCESS.2020.2992749]
28. Y. Chang, C. Jung, P. Ke, H. Song, and J. Hwang, "Automatic Contrast-Limited Adaptive Histogram Equalization with Dual Gamma Correction," IEEE Access, 2018, doi: 10.1109/ACCESS.2018.2797872. [DOI:10.1109/ACCESS.2018.2797872]
29. R. Kimmel, M. Elad, D. Shaked, R. Keshet, and I. Sobel, "A variational framework for retinex," Int. J. Comput. Vis., 2003, doi: 10.1023/A:1022314423998. [DOI:10.1023/A:1022314423998]
30. J. Y. Kim, L. S. Kim, and S. H. Hwang, "An advanced contrast enhancement using partially overlapped sub-block histogram equalization," IEEE Trans. Circuits Syst. Video Technol., 2001, doi: 10.1109/76.915354. [DOI:10.1109/76.915354]
31. Y. S. Chiu, F. C. Cheng, and S. C. Huang, "Efficient contrast enhancement using adaptive gamma correction and cumulative intensity distribution," 2011, doi: 10.1109/ICSMC.2011.6084119. [DOI:10.1109/ICSMC.2011.6084119]
32. S. C. Huang, F. C. Cheng, and Y. S. Chiu, "Efficient contrast enhancement using adaptive gamma correction with weighting distribution," IEEE Trans. Image Process., 2013, doi: 10.1109/TIP.2012.2226047. [DOI:10.1109/TIP.2012.2226047]
33. C. R. Nithyananda, A. C. Ramachandra, and Preethi, "Review on Histogram Equalization based Image Enhancement Techniques," 2016, doi: 10.1109/ICEEOT.2016.7755145. [DOI:10.1109/ICEEOT.2016.7755145]
34. X. Fu, D. Zeng, Y. Huang, Y. Liao, X. Ding, and J. Paisley, "A fusion-based enhancing method for weakly illuminated images," Signal Processing, 2016, doi: 10.1016/j.sigpro.2016.05.031. [DOI:10.1016/j.sigpro.2016.05.031]
35. Y. T. Kim, "Contrast enhancement using brightness preserving bi-histogram equalization," IEEE Trans. Consum. Electron., 1997, doi: 10.1109/30.580378. [DOI:10.1109/30.580378]
36. Q. Wang and R. K. Ward, "Fast image/video contrast enhancement based on weighted thresholded histogram equalization," IEEE Trans. Consum. Electron., 2007, doi: 10.1109/TCE.2007.381756. [DOI:10.1109/TCE.2007.381756]
37. S. Der Chen and A. R. Ramli, "Minimum mean brightness error bi-histogram equalization in contrast enhancement," IEEE Trans. Consum. Electron., 2003, doi: 10.1109/TCE.2003.1261234. [DOI:10.1109/TCE.2003.1261234]
38. N. Kong, "A Literature Review on Histogram Equalization and Its Variations for Digital Image Enhancement," Int. J. Innov. Manag. Technol., 2013, doi: 10.7763/ijimt.2013.v4.426. [DOI:10.7763/IJIMT.2013.V4.426]
39. T. K. Kim, J. K. Paik, and B. S. Kang, "Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering," IEEE Trans. Consum. Electron., 1998, doi: 10.1109/30.663733. [DOI:10.1109/30.663733]
40. A. M. Reza, "Realization of the contrast limited adaptive histogram equalization (CLAHE) for real-time image enhancement," J. VLSI Signal Process. Syst. Signal Image. Video Technol., 2004, doi: 10.1023/B:VLSI.0000028532.53893.82. [DOI:10.1023/B:VLSI.0000028532.53893.82]
41. B. Liu, W. Jin, Y. Chen, C. Liu, and L. Li, "Contrast enhancement using non-overlapped sub-blocks and local histogram projection," IEEE Trans. Consum. Electron., 2011, doi: 10.1109/TCE.2011.5955195. [DOI:10.1109/TCE.2011.5955195]
42. [R. R. Hussein, Y. I. Hamodi, and R. A. Sabri, "Retinex theory for color image enhancement: A systematic review," International Journal of Electrical and Computer Engineering. 2019, doi: 10.11591/ijece.v9i6.pp5560-5569. [DOI:10.11591/ijece.v9i6.pp5560-5569]
43. H. Chang, M. K. Ng, W. Wang, and T. Zeng, "Retinex image enhancement via a learned dictionary," Opt. Eng., 2015, doi: 10.1117/1.oe.54.1.013107. [DOI:10.1117/1.OE.54.1.013107]
44. Y. O. Nam, D. Y. Choi, and B. C. Song, "Power-constrained contrast enhancement algorithm using multiscale retinex for OLED display," IEEE Trans. Image Process., 2014, doi: 10.1109/TIP.2014.2324288. [DOI:10.1109/TIP.2014.2324288]
45. B. Gu, W. Li, M. Zhu, and M. Wang, "Local edge-preserving multiscale decomposition for high dynamic range image tone mapping," IEEE Trans. Image Process., 2013, doi: 10.1109/TIP.2012.2214047. [DOI:10.1109/TIP.2012.2214047]
46. S. Pan, X. An, and H. He, "Adapting iterative retinex computation for high-dynamic-range tone mapping," J. Electron. Imaging, 2013, doi: 10.1117/1.jei.22.2.023006. [DOI:10.1117/1.JEI.22.2.023006]
47. X. Lan, H. Shen, L. Zhang, and Q. Yuan, "A spatially adaptive retinex variational model for the uneven intensity correction of remote sensing images," Signal Processing, 2014, doi: 10.1016/j.sigpro.2014.01.017. [DOI:10.1016/j.sigpro.2014.01.017]
48. G. A. Rahman, Z. U., Jobson, D. J., & Woodell, "Retinex processing for automatic image enhancement," J. Electron. Imaging, 2002. [DOI:10.1117/12.469537]
49. M. Li, J. Liu, W. Yang, X. Sun, and Z. Guo, "Structure-Revealing Low-Light Image Enhancement Via Robust Retinex Model," IEEE Trans. Image Process., 2018, doi: 10.1109/TIP.2018.2810539. [DOI:10.1109/TIP.2018.2810539]
50. X. Ren, M. Li, W. H. Cheng, and J. Liu, "Joint Enhancement and Denoising Method via Sequential Decomposition," 2018, doi: 10.1109/ISCAS.2018.8351427. [DOI:10.1109/ISCAS.2018.8351427]
51. Z. Huang, T. Zhang, Q. Li, and H. Fang, "Adaptive gamma correction based on cumulative histogram for enhancing near-infrared images," Infrared Phys. Technol., 2016, doi: 10.1016/j.infrared.2016.11.001. [DOI:10.1016/j.infrared.2016.11.001]
52. K. León, D. Mery, F. Pedreschi, and J. León, "Color measurement in L*a*b* units from RGB digital images," Food Res. Int., 2006, doi: 10.1016/j.foodres.2006.03.006. [DOI:10.1016/j.foodres.2006.03.006]
53. T. Kumar and K. Verma, "A Theory Based on Conversion of RGB image to Gray image," Int. J. Comput. Appl., 2010, doi: 10.5120/1140-1493. [DOI:10.5120/1140-1493]
54. S. Nocedal, Jorge and Wright, "Numerical optimization," Springer Sci. & Bus. Media, 2006.
55. R. Anand, D. Aggarwal, and V. Kumar, "A comparative analysis of optimization solvers," J. Stat. Manag. Syst., 2017, doi: 10.1080/09720510.2017.1395182. [DOI:10.1080/09720510.2017.1395182]
56. Z. Wang, A. C. Bovik, and L. Lu, "Why is image quality assessment so difficult?," ICASSP, IEEE Int. Conf. Acoust. Speech Signal Process. - Proc., 2002, doi: 10.1109/ICASSP.2002.5745362. [DOI:10.1109/ICASSP.2002.5745362]
57. Z. Ying, G. Li, and W. Gao, "A bio-inspired multi-exposure fusion framework for low-light image enhancement," arXiv. 2017.
58. Z. Wang, A. C. Bovik, H. R. Sheikh, and E. P. Simoncelli, "Image quality assessment: From error visibility to structural similarity," IEEE Trans. Image Process., 2004, doi: 10.1109/TIP.2003.819861. [DOI:10.1109/TIP.2003.819861]
59. A. Mittal, R. Soundararajan, and A. C. Bovik, "Making a 'completely blind' image quality analyzer," IEEE Signal Process. Lett., 2013, doi: 10.1109/LSP.2012.2227726. [DOI:10.1109/LSP.2012.2227726]
60. عابدي، زهرا و یزدیان دهکردي، مهدي، «توسعة روش‌های مبتنی بر رفع نوفه اسپکل تصویر جهت رفع نوفه ویدئو ویسار»، مجله پردازش علائم و داده‌ها، شمارة 1، صفحات 137-152، 1401
61. C. H. Lee, J. L. Shih, C. C. Lien, and C. C. Han, "Adaptive multiscale retinex for image contrast enhancement," 2013, doi: 10.1109/ SITIS.2013.19. [DOI:10.1109/SITIS.2013.19]
62. X. Dong et al., "Fast efficient algorithm for enhancement of low lighting video," 2011, doi: 10.1109/ICME.2011.6012107. [DOI:10.1109/ICME.2011.6012107]
63. C. Lee, C. S. Kim, and C. Lee, "Contrast enhancement based on layered difference representation of 2D histograms," IEEE Trans. Image Process., 2013, doi: 10.1109/TIP. 2013.2284059. [DOI:10.1109/TIP.2013.2284059]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
