• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1814-1828
• /
• 2021

Low-light image enhancement is a key technique to overcome the quality degradation of photos taken under scotopic vision illumination conditions. The degradation includes low brightness, low contrast, and outstanding noise, which would seriously affect the vision of the human eye recognition ability and subsequent image processing. In this paper, we propose an approach based on deep learning and Retinex theory to enhance the low-light image, which includes image decomposition, illumination prediction, image reconstruction, and image optimization. The first three parts can reconstruct the enhanced image that suffers from low-resolution. To reduce the noise of the enhanced image and improve the image quality, a super-resolution algorithm based on the Laplacian pyramid network is introduced to optimize the image. The Laplacian pyramid network can improve the resolution of the enhanced image through multiple feature extraction and deconvolution operations. Furthermore, a combination loss function is explored in the network training stage to improve the efficiency of the algorithm. Extensive experiments and comprehensive evaluations demonstrate the strength of the proposed method, the result is closer to the real-world scene in lightness, color, and details. Besides, experiments also demonstrate that the proposed method with the single low-light image can achieve the same effect as multi-exposure image fusion algorithm and no ghost is introduced.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.585-589
• /
• 2018

Consumer demand for high quality image/video services led to growing trend in image quality enhancement study. Therefore, recent years was a period of substantial progress in this research field. Through careful observation of the image quality after processing by image enhancement algorithms, we perceived that the dark region in the image usually suffered loss of contrast to a certain extent. In this paper, the low-light stretch preprocessing algorithm is, hence, proposed to resolve the aforementioned issue. The proposed approach is evaluated qualitatively and quantitatively against the well-known histogram equalization and Photoshop curve adjustment. The evaluation results validate the efficiency and superiority of the low-light stretch over the benchmarking methods. In addition, we also propose the 255MHz-capable hardware implementation to ease the process of incorporating low-light stretch into real-time imaging systems, such as aerial surveillance and monitoring with drones and driving aiding systems.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권9호
• /
• pp.2483-2504
• /
• 2023

Most existing low-light enhancement algorithms either use a large number of training parameters or lack generalization to real-world scenarios. This paper presents a novel lightweight and robust pixel-wise polynomial approximation-based deep network for low-light image enhancement. For mapping the low-light image to the enhanced image, pixel-wise higher-order polynomials are employed. A deep convolution network is used to estimate the coefficients of these higher-order polynomials. The proposed network uses multiple branches to estimate pixel values based on different receptive fields. With a smaller receptive field, the first branch enhanced local features, the second and third branches focused on medium-level features, and the last branch enhanced global features. The low-light image is downsampled by the factor of 2b-1 (b is the branch number) and fed as input to each branch. After combining the outputs of each branch, the final enhanced image is obtained. A comprehensive evaluation of our proposed network on six publicly available no-reference test datasets shows that it outperforms state-of-the-art methods on both quantitative and qualitative measures.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.208-217
• /
• 2024

AI영상 기반 건설현장 안전관리 모니터링 시스템 개발 및 적용하는 추세에 다양한 환경변화에 따른 위험 객체 탐지 딥러닝 모델 개발에 많은 연구적 관심이 쏟아지고 있다. 여러 환경 변화요인 중 저조도 조건에서 객체 검출 모델의 정확도는 현저히 감소하며, 저조도 환경을 고려한 학습을 수행하더라도 일관적인 객체 탐지 정확도를 확보할 수 없다. 이에 따라 저조도 영상을 강화하는 영상 전처리 기술의 필요성이 대두된다. 따라서, 본 논문은 취득된 건설 현장 영상 데이터를 활용하여 다양한 딥러닝 기반 저조도 영상 강화 모델(GLADNet, KinD, LLFlow, Zero-DCE)을 학습하고, 모델별 저조도 영상 강화 성능을 비교 검증실험을 진행하였다. 저조도 강화된 영상을 시각적으로 검증하였고, 영상품질 평가 지수(PSNR, SSIM, Delta-E)를 도입하여 정량적으로 분석하였다. 실험 결과, GLADNet의 저조도 영상 강화 성능이 정량·정성적 평가에서 우수한 결과를 보여줬으며, 저조도 영상 강화 모델로 적합한 것으로 분석되었다. 향후 딥러닝 기반 객체 검출 모델에 저조도 영상 강화 기법이 전처리 단계로 적용한다면, 저조도 환경에서 일관된 객체 검출 성능을 확보할 것으로 예상된다.

• 한국산학기술학회논문지
• /
• 제19권7호
• /
• pp.36-41
• /
• 2018

미광증폭장비는 밤과 같이 어두운 환경에서 주로 가시광선 대역의 약한 빛을 증폭시켜 육안으로 관측할 수 있을 정도의 밝기로 만들어주는 장비이다. 이러한 방식은 어느 정도의 약한 빛이 존재하는 환경에서는 그 증폭 효과를 제대로 발휘하여 선명한 영상을 얻을 수 있지만, 달빛조차 존재하지 않는 극 저조도 환경에서는 기본적으로 증폭시킬 빛이 부족하여 출력 영상에 많은 노이즈로 인하여 화면의 선명도가 저하된다. 본 연구에서는 이러한 극 저조도 환경에서 발생하는 미광증폭 장비의 출력 노이즈를 다중 필터와 이방성 확산을 이용하여 화질을 개선하는 방법을 제안하였다. 실험을 위하여 극 저조도 조건에 맞는 환경을 구성한 상태에서 미광증폭장비의 출력 영상을 촬영한 후, 화질 개선을 위한 신호처리를 하였다. 신호처리를 위한 필터의 구성은 영상에 나타나는 주된 노이즈인 점 노이즈 제거와 가우시안 노이즈의 효과적인 제거를 위하여 메디안 필터, 위너 필터를 적용시킨 후 이방성 확산을 이용하였다. 실험 결과 화질이 개선됨을 육안으로 확인할 수 있었고, 정량 지표인 PSNR 및 SSIM으로 비교하여 측정한 방법에서도 모두 개선된 값을 보여주었다.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.135-145
• /
• 2020

Recently, deep-learning based methods for low-light image enhancement accomplish great success through supervised learning. However, they still suffer from the lack of sufficient training data due to difficulty of obtaining a large amount of low-/normal-light image pairs in real environments. In this paper, we propose an unsupervised learning approach for single low-light image enhancement using the bright channel prior (BCP), which gives the constraint that the brightest pixel in a small patch is likely to be close to 1. With this prior, pseudo ground-truth is first generated to establish an unsupervised loss function. The proposed enhancement network is then trained using the proposed unsupervised loss function. To the best of our knowledge, this is the first attempt that performs a low-light image enhancement through unsupervised learning. In addition, we introduce a self-attention map for preserving image details and naturalness in the enhanced result. We validate the proposed method on various public datasets, demonstrating that our method achieves competitive performance over state-of-the-arts.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.19-25
• /
• 2023

이 논문에서는 image signal processing 을 고려하여 저조도에서 촬영된 저품질의 raw 이미지를 딥러닝에 기반하여 개선하는 방법을 제안한다. 스마트폰 카메라의 경우 DSLR 카메라에 비해 렌즈나 센서의 확장에 제약이 있어 저조도 상황에서 이미지에 노이즈가 증가되고 품질이 저하되는 문제점을 보인다. 기존 딥러닝 기반 저조도 이미지 처리 방식은 image signal processing의 주요 요소인 렌즈 쉐이딩 효과와 화이트 밸런스를 고려하지 못하여 부자연스러운 이미지를 생성하기도 한다. 본 논문에서는 렌즈 쉐이딩 효과와 화이트 밸런스를 딥러닝 모델에 적용하기 위해 중심거리와 채널 평균을 활용한다. 스마트폰으로 촬영된 저조도 이미지를 통한 실험에서 제안하는 방법이 기존 방법에 비해 더 높은 peak signal to noise ratio 와 structural similarity index measure를 달성함과 동시에 높은 품질의 저조도 이미지를 생성함을 확인한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권8호
• /
• pp.11-19
• /
• 2023

본 논문에서는 기존에 영상의 품질을 평가하는 데 사용되던 지표가 저조도 영상에 대해서도 적용될 수 있음을 확인한다. 저조도 영상의 특성상, 빛과 관련된 요인들이 다양한 잡음 패턴을 만들어내고 빛의 양이 적을수록 극심한 잡음을 가지고 있다. 그렇기 때문에, 잡음이 없는 깨끗한 영상을 구하기 힘든 상황에서 잡음이 제거된 저조도 영상의 품질을 사람의 눈으로 판단하는 경우가 많다. 본 논문에서는, ground truth를 구할 수 없는 저조도 영상의 잡음을 Noise2Noise를 이용해서 제거하고, MTF와 SNR 등의 지표로 공간 해상도와 방사 해상도를 ISO 12233 차트와 colorchecker를 대상으로 평가한다. 정성적 평가 위주로 평가되던 저조도 영상의 품질이 정량적으로도 평가될 수 있음을 보여줄 수 있다.

• Journal of Information Processing Systems
• /
• 제17권5호
• /
• pp.1004-1019
• /
• 2021

To solve the problems of the low image contrast, fuzzy edge details and edge details missing in noisy image fusion, this study proposes a noisy infrared and visible light image fusion algorithm based on non-subsample contourlet transform (NSCT) and an improved bilateral filter, which uses NSCT to decompose an image into a low-frequency component and high-frequency component. High-frequency noise and edge information are mainly distributed in the high-frequency component, and the improved bilateral filtering method is used to process the high-frequency component of two images, filtering the noise of the images and calculating the image detail of the infrared image's high-frequency component. It can extract the edge details of the infrared image and visible image as much as possible by superimposing the high-frequency component of infrared image and visible image. At the same time, edge information is enhanced and the visual effect is clearer. For the fusion rule of low-frequency coefficient, the local area standard variance coefficient method is adopted. At last, we decompose the high- and low-frequency coefficient to obtain the fusion image according to the inverse transformation of NSCT. The fusion results show that the edge, contour, texture and other details are maintained and enhanced while the noise is filtered, and the fusion image with a clear edge is obtained. The algorithm could better filter noise and obtain clear fused images in noisy infrared and visible light image fusion.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.991-998
• /
• 2022

Recently, object recognition using image/video signals is rapidly spreading on autonomous driving and mobile phones. However, the actual input image/video signals are easily exposed to a poor illuminance environment. A recent researches for improving illumination enable to estimate and compensate the illumination parameters. In this study, we propose VE-DCE (video enhancement zero-reference deep curve estimation) to improve the illumination of low-light images. The proposed VE-DCE uses unsupervised learning-based zero-reference deep curve, which is one of the latest among learning based estimation techniques. Experimental results show that the proposed method can achieve the quality of low-light video as well as images compared to the previous method. In addition, it can reduce the computational complexity with respect to the existing method.