این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۲۱، شماره ۲، صفحات ۹۱-۱۰۴
عنوان فارسی ارائه روشی موثر برای بهبود تصاویر تاریک: بهبود بهینه نقشه روشنایی
چکیده فارسی مقاله معمولا جزئیات صحنه هدف در تصاویر ضبط شده در محیط‌های کم‌نور به خوبی قابل تشخیص نمی‌باشند. این مشکل می‌تواند عملکرد بسیاری از الگوریتم‌های دید رایانه را کاهش دهد. به همین دلیل در این مقاله روشی جدید ارائه می‌شود تا با افزایش میزان روشنایی، جزئیات پنهان شده در این تصاویر را نمایان سازد. در روش پیشنهادی ابتدا نقشه روشنایی اولیه تصویر محاسبه می‌شود. سپس با استفاده از یک مدل ریاضی جدید نقشه روشنایی اولیه بهبود داده می‌شود. مشتق‌پذیر بودن تابع هدف مدل پیشنهادی وجه تمایز آن با سایر مدل‌های مشابه است. به‌طور کلی روش‌های کلاسیک بهینه‌سازی مانند روش‌های نیوتن، گرادیان و ناحیه اعتماد نیازمند مشتق‌پذیری تابع هدف می‌باشند. بنابراین برای حل مدل پیشنهادی می‌توان از روش‌های متنوع تری در مقایسه با سایر مدل‌های مشابه استفاده کرد. خطی بودن قیدها و محدب بودن مدل پیشنهادی از دیگر ویژگی‌های مثبت این مدل محسوب می‌شود. نتایج بررسی‌ها نشان می‌دهد که روش پیشنهادی عملکرد خوبی در روشن کردن تصاویر تاریک و همچنین نمایان ساختن جزئیات صحنه هدف دارد و از این منظر قابل رقابت با بسیاری از روش‌های مطرح بهبود تصاویر تاریک می‌باشد.
کلیدواژه‌های فارسی مقاله افزایش روشنایی، بهبود تصاویر تاریک، نقشه روشنایی، نظریه ریتاینکس، مدل بهینه‌سازی، پردازش تصویر
عنوان انگلیسی Providing an effective way to enhance low-light images: Enhanced Illumination Map Optimally
چکیده انگلیسی مقاله Low-light images often suffer from low brightness and contrast, which makes some scene details hard to see. This can affect the performance of many computer vision tasks, such as object recognition, tracking, scene understanding, and occlusion detection. Therefore, it is important and useful to enhance low-light images. One technique to enhance low-light images is based on the Retinex theory, which decomposes images into two components: reflection and illumination. Several mathematical models have been recently developed to estimate the illumination map using this theory. These methods first compute an initial illumination map and then refine it by solving a mathematical model.
This paper introduces a novel method based on the Retinex theory to estimate the illumination map. The proposed method employs a new mathematical model with a differentiable objective function, unlike other similar models. This allows us to use more diverse methods to solve the proposed model, as classical optimization methods such as Newton, Gradient, and Trust-Region methods need the objective function to be differentiable. The proposed model also has linear constraints and is convex, which are desirable properties for optimization. We use the CPLEX solver to solve the proposed model, as it performs well and exploits the features of the model. Finally, we improve the illumination map obtained from the mathematical model using a simple linear transformation.
This paper introduces a new method based on the Retinex theory for enhancing low-light images. The proposed method improves the illumination and the visibility of the scene details. We compare the performance of our method with six existing methods: AMSR, NPE, SRIE, DONG, MF, and LIME. We use four common metrics to evaluate the visual quality of the enhanced images: AMBE, LOE, SSIM, and NIQE. The results demonstrate that our method is competitive with many of the state-of-the-art methods for low-light image enhancement.
کلیدواژه‌های انگلیسی مقاله Enhance illumination, Enhance low-light images, Illumination map, Retainx theory, Optimization model, Image Processing
نویسندگان مقاله مهدی احمدنیا | Mahdi Ahmadnia
Faculty of Mathematics, Ferdowsi University of Mashhad
دانشکده ریاضی دانشگاه فردوسی مشهد

مجتبی مغربی | Mojtaba Maghrebi
Faculty of Eng,. Ferdowsi Uni. of Mashhad
دانشکده مهندسی دانشگاه فردوسی مشهد

رضا قنبری | Reza Ghanbari
Faculty of Mathematics, Ferdowsi University of Mashhad
دانشکده ریاضی دانشگاه فردوسی مشهد

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-2237-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات