弱光图像由于能见度低，不利于人类观察和计算机视觉算法。为了解决这一问题，人们提出了许多图像增强技术，但现有的方法不可避免地会出现对比度增强不足和过度增强的问题。在本文中，我们提出了一种图像对比度增强算法来提供准确的对比度增强。具体来说，我们首先利用光照估计技术设计了用于图像融合的权重矩阵。然后介绍了我们的相机响应模型来合成多曝光图像。其次，我们找到最佳曝光比，使合成图像在原始图像曝光不足的区域曝光

torch.optim 是一个实现各种优化算法的包。 大部分常用的方法都已经支持，接口也足够通用，以后也可以轻松集成更复杂的方法。How to use an optimizer要使用 torch.optim，您必须构造一个优化器对象，该对象将保存当前状态并根据计算出的梯度更新参数。构建它要构造一个优化器，你必须给它一个包含要优化的参数（都应该是 Variable s）的迭代。 然后，您可以指定特定

https://blog.csdn.net/aBlueMouse/article/details/78710553

图像降噪，是最简单也是最基础的图像处理逆问题（inverse problem）。 大多数情况下，图像降噪都是ill-posed的问题。因为通过有噪音的观察，总是无法逆向求得唯一正确的干净图片。就好像让你解一个超越方程一样，不借助其他额外的条件信息，是没有唯一解的。 降噪问题（这里只讨论additive noise），用最简单的数学语言一句话就可以描述清楚：y = x + e...

本文对应用卷积神经网络（CNN）解决去马赛克问题进行了全面的研究。该论文提出了两种 CNN 模型，它们可以学习马赛克样本和具有完整信息的原始图像块之间的端到端映射。在使用拜耳滤色器阵列 (CFA) 的情况下，对流行基准的评估证实 CNN 模型的数据驱动、自动学习特征非常有效，并且我们提出的最佳 CNN 模型优于当前的SOTA算法。实验表明，所提出的 CNN 模型在 sRGB 空间和线性空间中都可以

AbstractWe propose a technique for fusing a bracketed exposure sequence into a high quality image, without converting to HDR first. Skipping the physically-based HDR assembly step simplifies the acq..

交替方向乘子法（ADMM）

本文介绍了一种新的插值技术，用于对单 CCD 数码相机生成的彩色图像进行去马赛克。我们表明，与双线性去马赛克相比，所提出的简单线性滤波器可以使 PSNR 提高超过 5.5 dB，与最近引入的线性插值器相比，R 和 B 插值可提高约 0.7 dB。所提出的滤波器还优于大多数非线性去马赛克算法，没有由于非线性处理而产生的伪影，并且大大降低了计算复杂性。

关于在Ubuntu下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn最近在用Python学习机器学习，正好需要配置相关组件。也在网上查了一些，汇总了一下。顺便分享给大家，若有不对之处，请指出，谢谢。关于Windows环境下配置及相应安装包链接推荐可以去看一看。我的系统环境ubuntu14.04LTS,系统默认的python版本为2.7。一般来...

近年来，基于学习的方法越来越流行，以增强照片的色彩和色调。但是，许多现有的照片增强方法要么提供不令人满意的结果，要么消耗过多的计算和内存资源，从而阻碍了它们在实践中对高分辨率图像 (通常具有超过12百万像素) 的应用。在本文中，我们学习了图像自适应的3维查找表 (3D LUTs)，以实现快速而强大的照片增强。3D LUTs广泛用于操纵照片的色彩和色调，但通常是手动调整并固定在相机成像管道或照片编辑