_,_-CSDN博客

原创传统图像增强算法python实现

1. 像素级方法1.1图像反转图像反转（Image Negative）在许多应用中都很有用，例如显示医学图像和用单色正片拍摄屏幕，其想法是将产生的负片用作投影片。转换方程：T:G(x,y)=L−F(x,y)，其中L是最大强度值，灰度图像L为255。效果：代码：import cv2 as cvfig = cv.imread('test1.jpg')#图像反转L = 255fig1 = L - figcv.imshow('image',fig)cv.imshow

2021-05-26 21:44:21 7408 2

原创低光图像增强论文：Underexposed Photo Enhancement using Deep Illumination Estimation阅读笔记

论文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8953588项目地址：https://github.com/wangruixing/DeepUPECVPR2019作者团队：腾讯优图Abstract不再像以前那样直接学习图像到图像的映射，而是在网络中引入中间照明，将输入与预期增强结果相关联，从而增强网络从专家修改的输入/输出图像对学习复杂的摄影调整的能力。提出了一个采用光照约束和先验的损失函数，建立了

2020-07-29 16:52:24 1842 8

原创低光图像增强论文Kindling the Darkness: A Practical Low-light Image Enhancer阅读笔记

本文来自ACM MM 2019，作者：Yonghua Zhang, Jiawan Zhang, and Xiaojie Guo项目地址：https://github.com/zhangyhuaee/KinDAbstract在弱光条件下拍摄的图像通常(部分)能见度较差。除了不理想的照明，多种类型的退化，如噪音和颜色失真，由于相机的质量有限，这些退化隐藏在黑暗中。换句话说，仅仅提高黑暗区域的亮度将不可避免地放大隐藏的退化。这项工作建立了一个简单而有效的点燃黑暗的网络(表示为kindling)，它的灵感

2020-05-17 09:00:32 12061 9

原创常用激活函数总结与发展历程

一、什么是激活函数神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值加权求和后传递给下一层，在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数称为激活函数（又称激励函数）。二、激活函数的作用——为什么要使用激活函数没有激活函数，无论神经网络有多少层，输出都是输入的线性组合。激活函数给神经元引入了非线性因素，使得神经网络...

2019-12-12 20:35:33 2358 1

原创论文Perceptual sensitivity-based rate control method for highefficiency video coding阅读笔记——比特分配

最新的视频编码标准——高效视频编码（HEVC）在平方误差和（SSE）方面优化了其编码效率，这没有充分考虑输入视频的感知特性。因此，HEVC在感知视频编码的意义上是无效的。为了解决这一问题，基于人类视觉系统（HVS）的观察，提出了一种高效的基于感知灵敏度的HEVC速率控制（PSRC）方法。在第一阶段，所提出的方法开发了感知灵敏度测量，以评估每个编码树单元（CTU）和每个帧的感知灵敏度，然后将其用于指导比特分配，以便将更多比特分配给具有较高感知灵敏度的区域。

2022-10-29 12:00:00 341 1

原创压缩视频质量增强论文DEFORMABLE CONVOLUTION DENSE NETWORK FOR COMPRESSED VIDEO QUALITYENHANCEMENT阅读笔记

本文提出了一种基于可变形卷积的多帧残差密度网络（MRDN），利用高质量帧来补偿低质量帧，以提高压缩视频的质量。具体而言，所提出的网络由开发的运动补偿（MC）模块和质量增强（QE）模块组成，分别用于补偿和增强输入帧的质量。此外，为了在训练过程中增强边缘结构，在增强帧上引入了一种新的边缘增强损失。

2022-10-21 20:46:13 988

原创 H.265/HEVC：原理、标准与实现学习笔记（一）——绪论

视频每秒播放帧数叫做帧率，单位为fps，为了使人眼看到的视频平滑，视频帧率应达到25-30fps以上。数据压缩分为有损压缩和无损压缩，无损压缩没有信息损失，通过重建可以恢复原始数据，通常压缩率较低，在5：1以下，对于视频数据来说不够，因此视频大多采用有损压缩。有损压缩以一定的失真为代价，如图像中的高频细节。衡量压缩算法性能有两个指标：码率和失真。有损压缩追求在质量损失一定的情况下获得最高的压缩比（最低的码率），或者在码率一定的情况下视频质量最好。视频编码标准只规定了编码码流的语法语义和解码器，只要求视频编码

2022-06-18 18:59:19 1019

原创低光照图像增强论文Low-Light Image Enhancement with Normalizing Flow阅读笔记

原文链接：https://arxiv.org/abs/2109.05923论文来源：CVPR 2022项目地址：GitHub - wyf0912/LLFlow: The code release of paper "AAAI Low-Light Image Enhancement with Normalizing Flow", AAAI 2022作者团队：南洋理工大学+香港城市大学Abstract将弱光图像增强为正常曝光的图像是非常不适定的，即它们之间的映射关系是一对多的。以往的工作基于

2022-05-11 17:23:21 4614 7

原创压缩视频增强论文Recursive Fusion and Deformable Spatiotemporal Attention forVideo Compression Artifact R阅读笔记

论文链接：https://arxiv.org/pdf/2108.02110.pdf论文来源：ACM MM2021作者团队：bilibiliABSTRACT为了从低质量的压缩视频中恢复高质量的视频，人们提出了许多基于深度学习的算法。其中一些算法通过探索相邻帧的时空信息来恢复每一帧缺失的细节。然而，这些方法的时间范围通常很窄，因此可能会错过相邻帧之外的一些有用细节。在本文中，为了提高伪影去除率，一方面，我们提出了一种递归融合（RF）模块来建模长时间范围内的时间相关性。具体地说，RF利用当前参考帧

2022-02-09 18:50:13 2930

原创图像视频去噪论文Learning Deformable Kernels for Image and Video Denoising阅读笔记

论文链接：1904.06903.pdf (arxiv.org)论文来源：TIP2020作者：商汤Abstract大多数经典的去噪方法都是通过选择和平均噪声输入中的像素来恢复清晰的结果。我们建议使用深层神经网络明确地学习这个过程，而不是依赖手工制作的选择和平均策略。具体来说，我们提出了可变形二维核用于图像去噪，其中采样位置和核权重都是学习的。该核能够自然地适应图像结构，并能有效地减少过平滑伪影。此外，我们还开发了用于视频去噪的三维可变形核，以便在时空空间中更有效地采样像素。我们的方法能够解决动

2021-10-12 16:22:47 1414

原创小波卷积网络Multi-level Wavelet-CNN for Image Restoration论文阅读笔记

论文链接：Multi-level Wavelet-CNN for Image Restoration | IEEE Conference Publication | IEEE Xplorexx论文来源：CVPRW2018项目地址：GitHub - lpj0/MWCNN: Multi-level Wavelet-CNN for Image Restoration（matlab）GitHub - lpj-github-io/MWCNNv2: Multi-level Wavelet Conv

2021-09-30 16:22:52 5945 2

原创 ECCV2020去噪论文Burst Denoising via Temporally ShiftedWavelet Transforms阅读笔记

论文链接：Burst Denoising via Temporally Shifted Wavelet Transforms | SpringerLink论文来源：ECCV2020作者团队：facebookAbstract.近年来，移动摄影取得了长足的进步。然而，微光成像仍然是一个挑战。长时间曝光可以提高信噪比（SNR），但在捕捉动态场景时可能会出现不需要的运动模糊。因此，成像管道通常依靠计算摄影通过融合多个短曝光来提高信噪比。最近的基于深度网络的方法已经证明，通过以复杂的方式融合这些曝光，

2021-09-28 16:34:35 422

原创 CVPR2020低光照图像增强论文Learning to Restore Low-Light Images via Decomposition-and-Enhancement阅读笔记

原文链接：Learning to Restore Low-Light Images via Decomposition-and-Enhancement | IEEE Conference Publication | IEEE Xplore作者团队：大连理工，香港城市，鹏程实验室Abstract同时增强弱光图像并去除其噪声是不适定的，我们观察到噪声在不同频率层中表现出不同的对比度，并且在低频层比在高频层更容易检测噪声。受此启发，我们提出了一种基于频率的分解和增强模型，用于微光图像增强。基于该模型.

2021-09-14 16:25:10 2424

原创图像压缩论文GENERALIZED OCTAVE CONVOLUTIONS FOR LEARNED MULTI-FREQUENCY IMAGE COMPRESSION阅读笔记

原文链接：http://arxiv.org/abs/2002.10032abstract基于深度学习的图像压缩最近显示出优于标准编解码器的潜力。最先进的率失真（R-D）性能是通过上下文自适应熵编码方法实现的，在这种方法中，超先验和自回归模型被联合用于有效地捕获潜在表示中的空间依赖性。然而，在以前的工作中，特征图是具有相同空间分辨率的特征映射，其中包含一些影响R-D性能的冗余。在本文中，我们提出了第一种学习到的多频图像压缩和熵编码方法，该方法基于最近开发的octave卷积，将特征图分解为高频和低频（分

2021-09-08 11:36:26 808

转载视频编解码之关于AI、RA、LD的解释

2021-07-09 11:37:12 1644

原创压缩图像增强论文Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images阅读笔记

论文来源：ECCV 2020论文链接：[2006.16581] Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images (arxiv.org)

2021-06-17 10:57:51 735

原创视频重建论文EDVR: Video Restoration with Enhanced Deformable Convolutional Networks阅读笔记

论文来源：CVPRW2019论文链接：http://ieeexplore.ieee.org/document/9025464项目地址：

2021-06-16 18:48:55 1324

原创图像修复论文Residual Non-local Attention Networks for Image Restoration阅读笔记

论文来源：ICLR2019论文链接：pdf (openreview.net)

2021-06-10 20:39:18 2794

原创视频增强论文Spatio-Temporal Transformer Network for Video Restoration阅读笔记

论文来源：ECCV2018论文链接：Spatio-Temporal Transformer Network for Video Restoration | SpringerLink

2021-06-09 16:47:10 1012 2

原创压缩视频增强论文Multi-Frame Quality Enhancement for Compressed Video阅读笔记

论文来源：CVPR2018论文链接：Multi-frame Quality Enhancement for Compressed Video | IEEE Conference Publication | IEEE Xplore

2021-06-08 10:09:38 613 2

原创 Content-Aware Convolutional Neural Network for In-Loop Filtering in High Efficiency Video Coding阅读笔记

论文来源：TIP 2019作者：北大&海康研究院Abstract近年来，卷积神经网络（CNN）引起了人们的极大关注，并在许多图像处理任务中取得了巨大的成功。本文将CNN技术与图像恢复相结合，以提高视频编码的性能，提出了基于内容感知的CNN在环滤波的高效视频编码（HEVC）。特别地，我们从多个维度定量地分析了所提出的CNN模型的结构，使得该模型对于基于CNN的循环滤波具有可解释性和最佳性。更具体地说，每个编码树单元（CTU）被视为一个独立的处理区域，使得所提出的内容感知多模态滤波机制是通过

2021-06-04 14:22:39 414 3

转载视频压缩相关概念介绍-IPB与GOP

摘要视频为什么要压缩？有哪几种压缩方式？都有什么特点？IPB是啥意思？哪些是基准帧，哪些是参考帧(差别帧)？I帧、B帧以及P帧的编码序列和显示序列一样吗？视频编码的基本的单位是啥？为什么要按GOP进行编解码？IDR帧和I帧之间的关系是什么，有什么区别？一. 基本概念压缩及其分类压缩是清除多余信息以减少数字信号中的数...

2021-06-03 14:37:16 1628

原创图像增强论文Range Scaling Global U-Net for Perceptual Image Enhancement on Mobile Devices阅读笔记

论文介绍：这是ECCV-PIRM2018（Perceptual Image Enhancement on Smartphones Challenge）挑战赛中，图像增强任务第一名的论文，主要用于处理手机等小型移动设备上的图像增强。现有的图像增强方法在亮度、颜色、对比度、细节、噪声抑制等方面对低质量图像进行了改进，但由于移动设备处理速度慢、内存消耗大，很少能解决感知图像增强的问题，已有的一些方法也很难直接迁移到手机上使用。移动设备上的感知图像增强，尤其是智能手机，最近引起了越来越多的工业界和学术圈兴趣，因此本

2021-06-02 14:32:48 2078 1

原创压缩视频质量增强论文Spatio-Temporal Deformable Convolution for Compressed Video Quality Enhancement阅读笔记

论文来源：AAAI2020项目链接：GitHub - RyanXingQL/STDF-PyTorch: PyTorch implementation of "Spatio-Temporal Deformable Convolution for Compressed Video Quality Enhancement", AAAI 2020.Abstract近年来，深度学习方法在提高压缩视频质量方面取得了显著的成功。为了更好地挖掘时间信息，现有的方法通常估计光流进行时间运动补偿。然而，由于压缩视频

2021-06-02 10:36:34 2578

原创低光图像目标检测论文：YOLO in the Dark - Domain Adaptation Method for Merging Multiple Models阅读笔记

论文链接：https://link.springer.com/chapter/10.1007/978-3-030-58589-1_21来源：ECCV 2020Abstract生成模型来处理新的可视化任务需要额外的数据集，这需要花费大量的精力来创建。我们提出了一种域自适应的方法来合并多个模型，比创建一个额外的数据集更省力。该方法将预先训练好的模型与生成模型相结合，在不增加数据集的情况下，将潜在特征反馈给粘合层进行训练。我们还提出了一个生成模型，它是通过从预先训练的模型中提取知识来创建的。这使得数据

2021-05-07 11:28:10 7336 3

原创批标准化Batch Normalization的作用、算法及优点

1. 作用神经网络在训练的时候随着网络层数的加深，激活函数的输入值的整体分布逐渐往激活函数的取值区间上下限靠近，从而导致在反向传播时浅层的神经网络的梯度消失。而batch normalization的作用是通过规范化的手段，将越来越偏的分布拉回到标准化的分布，使得激活函数的输入值落在激活函数对输入比较敏感的区域，从而使梯度变大，加快学习收敛速度，避免梯度消失的问题。2. 算法在训练时记录每一个mini-batch的均值和方差，在测试时利用训练均值和方差的无偏估计来进行BN操作。3. 优点

2021-03-24 10:32:54 2780

原创 leetcode刷题笔记剑指 Offer 04. 二维数组中的查找

题目描述：在一个 n * m 的二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个高效的函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。思路：从矩阵的左下角元素开始与target作比较，如果大于target，则该行的元素都比目标值大，向上一行查找，如果小于目标值，则该列都比目标值小，向右一列查找，等于则返回true，当遍历完所有行或者所有列，则没有目标值，返回fasleclass Solution: def findNu

2021-03-10 22:21:05 105

原创 leetcode刷题笔记面试题 02.05. 链表求和

题目描述：给定两个用链表表示的整数，每个节点包含一个数位。这些数位是反向存放的，也就是个位排在链表首部。编写函数对这两个整数求和，并用链表形式返回结果。思路：两个链表同时按位相加，把相加的结果对10取余和整除10，用取余的结果创建节点，整除的结果用在下一位的相加。# Definition for singly-linked list.# class ListNode:# def __init__(self, x):# self.val = x#

2021-03-10 21:28:31 124

原创 leetcode刷题笔记面试题 03.05. 栈排序

题目描述：栈排序。编写程序，对栈进行排序使最小元素位于栈顶。最多只能使用一个其他的临时栈存放数据，但不得将元素复制到别的数据结构（如数组）中。该栈支持如下操作：push、pop、peek 和 isEmpty。当栈为空时，peek返回 -1。我的思路：建立一个辅助栈，使得每次push的元素能够插入到它该去的位置，有点类似于插入排序，整个栈是有序的。class SortedStack: def __init__(self): self.data = [] .

2021-03-10 17:07:32 217

原创常用的六大排序算法介绍与python实现

一. 冒泡排序比较相邻的元素。如果第一个比第二个大，就交换他们两个。对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。针对所有的元素重复以上的步骤，除了最后一个。持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。代码实现：def bubble_sort(li): for i in range(len(li)-1):#第i趟 for j in range(len(

2021-03-09 17:22:09 106 1

原创 leetcode剑指 Offer 13. 机器人的运动范围

描述：地上有一个m行n列的方格，从坐标 [0,0] 到坐标 [m-1,n-1] 。一个机器人从坐标 [0, 0] 的格子开始移动，它每次可以向左、右、上、下移动一格（不能移动到方格外），也不能进入行坐标和列坐标的数位之和大于k的格子。例如，当k为18时，机器人能够进入方格 [35, 37] ，因为3+5+3+7=18。但它不能进入方格 [35, 38]，因为3+5+3+8=19。请问该机器人能够到达多少个格子？思路：首先要定义一个计算行坐标和列坐标的数位之和的加法，然后构建一个可到达集合，用来储

2021-03-07 20:05:55 103

原创 leetcode刷题笔记938. 二叉搜索树的范围和

题目描述：给定二叉搜索树的根结点root，返回值位于范围[low, high]之间的所有结点的值的和。我的思路：既然是二叉搜索树，那么如果当前节点如果大于high，那么就应该去递归它的左孩子，如果小于low，就去递归右孩子。若是在范围内，则返回当前节点值+递归左孩子的返回值+递归右孩子的返回值。若当前节点为空，返回0.代码：# Definition for a binary tree node.# class TreeNode:# def __init__(self, v...

2021-03-07 15:22:35 113

原创低光图像增强论文Global and Local Enhancement Networks for Paired and Unpaired Image Enhancement阅读笔记

论文链接：http://mcl.korea.ac.kr/research/hukim-eccv2020-glenet/5010.pdf项目链接：https://github.com/hukim1124/GleNet论文来源：ECCV 2020作者：韩国大学Abstract1.本文提出了一种新的成对和非成对图像增强方法。包括全局增强网络（GEN）和局部增强网络（LEN）。 2.所提出的GEN可以进行比像素预测更容易训练的通道强度变换。提出的LEN算法基于空间滤波对GEN的结果进行细化。 3

2021-02-17 09:55:21 954

转载 Canny边缘检测算法的流程

原文链接：https://www.cnblogs.com/techyan1990/p/7291771.html介绍边缘检测的一般标准包括：1) 以低的错误率检测边缘，也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。2) 检测到的边缘应精确定位在真实边缘的中心。3) 图像中给定的边缘应只被标记一次，并且在可能的情况下，图像的噪声不应产生假的边缘。在目前常用的边缘检测方法中，Canny边缘检测算法是具有严格定义的，可以提供良好可靠检测的方法之...

2021-02-13 16:36:11 6775

原创暗光增强论文MBLLEN: Low-light Image/Video Enhancement Using CNNs阅读笔记

论文地址：http://www.bmva.org/bmvc/2018/contents/papers/0700.pdf项目地址：https://github.com/Lvfeifan/MBLLEN来源：BMVC 2018作者：北航abstract提出了一种基于深度学习的微光图像增强方法。由于难以同时处理包括亮度、对比度、伪影和噪声在内的各种因素，该问题具有挑战性。为了解决这一问题，我们提出了多分支微光增强网络（MBLLEN）。其核心思想是提取不同层次的丰富特征，通过多个子网进行增强，最终

2020-09-17 16:51:12 2644

原创低光图像增强论文GLADNet: Low-Light Enhancement Network with Global Awareness阅读笔记

论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8373911项目地址：https://github.com/weichen582/GLADNet作者：北大来源：IEEE2018abstract在这篇文章中，我们讨论了微光增强的问题。我们的核心思想是先计算出弱光输入的全局光照估计，然后在估计的指导下调整光照，并通过与原始输入的级联来补充细节。考虑到这一点，我们提出了一个全局照明和细节保护网络（GLADNe

2020-09-14 15:16:32 3614 4

转载 argparse.ArgumentParser 模块入门

argparse.ArgumentParser 此模块用来解析命令行参数import argparse# (1) 声明一个parserparser = argparse.ArgumentParser()# (2) 添加参数parser.add_argument("parg") # 位置参数，这里表示第一个出现的参数赋值给pargparser.add_argument("--digit",type=int,help="输入数字") # 通过 --echo xxx声明的

2020-07-19 22:38:58 651

原创 24小时图像增强方法论文：An Integrated Enhancement Solution for 24-hour Colorful Imaging翻译与解读

论文来自AAAI2020 oral论文地址：https://arxiv.org/abs/2005.04580摘要目前，24小时室外成像的行业惯例是使用硅相机，并辅以近红外（NIR）照明。这导致彩色图像白天对比度差，夜间没有色度。对于这种困境，所有现有的解决方案都试图分别捕获RGB和NIR图像。然而，它们需要额外的硬件支持，并且存在使用寿命短、价格昂贵、特定使用场景等诸多缺点。本文提出了一种新颖的、集成的增强解决方案，无论是在白天充足的阳光下还是在极低的光照下，都能产生清晰的彩色图像。我们的核心思

2020-07-12 21:31:39 1080 3

原创低光图像增强论文：Self-supervised Image Enhancement Network: Training with Low Light Images Only阅读笔记

论文地址：https://arxiv.org/abs/2002.11300项目地址：https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only目前好像暂未发表作者团队：哈尔滨工业大学主要工作：自监督不需要参考图像单图像训练增强整体基于Retinex理论分解图像，用直方图均衡化后的结果做参照，认为反射率的最大通道与微光图像的最大

2020-06-30 22:20:50 4417

转载 yolo系列解读——从V1到V3

原文链接：https://blog.csdn.net/App_12062011/article/details/77554288YOLO v1这是继RCNN，fast-RCNN和faster-RCNN之后，rbg（RossGirshick）针对DL目标检测速度问题提出的另外一种框架。YOLO V1其增强版本GPU中能跑45fps，简化版本155fps。论文下载：http://arxiv.org/abs/1506.02640代码下载：https://github.com/pjreddie/da

2020-06-27 15:43:00 426

lstm预测博客中用到的数据china.csv

空空如也