常用的增强算法_srie模型

1.Agg、WAgg

Non-linear weight adjustment in adaptive gamma correction for image contrast enhancement

这篇论文，github下载地址：https://github.com/DebapriyaSG/Non-Linear-Weighted-AGC

 其中包含数据集，整个下载的话太大了，只用下载需要的函数就行

这篇论文是在AGG（adaptive gamma correction）基础上改进的

AGG：是Enhancement_And_Quantitative_Evaluation_AGC.m这个函数

        Im=imread(file);
        if(islogical(Im))
            Im=uint8(255*Im);
        end
        SS=size(Im);
        NN=ndims(Im);
        if(NN==3) %RGB images
            B=rgb2hsv(Im);
            A=B(:,:,3);
        else
            A=double(Im);
            A=A/255;
        end
 
        M=mean(A(:));
        SD=std(A(:));
 
        %Computation of gamma
        diff=(M+(2*SD))-(M-(2*SD));
        if(diff<=0.333333)
            gm=log2(SD);
            gm=-gm;
        else
            gm=exp((1-(M+SD))/2);
        end
    
    
        SS1=size(A);
        Iout=zeros(SS1(1),SS1(2));
    
        trm=(0.5-M);
        if(trm<0)
            trm2=0;
        else
            trm2=1;
        end
        sm=0;
        for i=1:SS1(1)
            for j=1:SS1(2)
                %Computation of c
                k=(A(i,j)^gm)+(1-(A(i,j))^gm)*(M^gm);           
                CC=1/(1+(trm2*(k-1)));
                Iout(i,j)=CC*A(i,j)^gm;        
            end
        end
    
        if(NN==3) %For RGB images
            ImOut1=zeros(SS(1),SS(2),SS(3));
            ImOut1(:,:,1:2)=B(:,:,1:2);    
            ImOut1(:,:,3)=Iout;
            ImOut1=hsv2rgb(ImOut1);
            ImOut1=255*ImOut1;
            ImOut1=uint8(ImOut1);
        else %Non-RGB images       
            ImOut1=uint8(255*(Iout));
        end
  figure;imshow(Im);
  figure;imshow(ImOut1);

作者改进的算法non-linear weighted AGC algorithm在Enhancement_And_Quantitative_Evaluation_Proposed.m这个函数

    Im=imread(file);
        if(islogical(Im))
            Im=uint8(255*Im);
        end
        SS=size(Im);
        NN=ndims(Im);
        if(NN==3)%RGB images
            B=rgb2hsv(Im);
            A=B(:,:,3);
        else
            A=double(Im);
            A=A/255;
        end
 
        M=mean(A(:));
        SD=std(A(:));
 
        %Computation of gamma_nu
        pr_g=2.47;
        gm=((2*SD)^(-log2((2*SD)^pr_g)))*(exp((1-(M+SD))/2))+((1-((2*SD)^(-log2((2*SD)^pr_g))))*((-1)*log2(SD)));
 
        SS1=size(A);
        Iout=zeros(SS1(1),SS1(2));
        pr_c=9.96;
 
        for i=1:SS1(1)
            for j=1:SS1(2)
 
                %Computation of c_nu
                k=M^(-log2(M^pr_c))+((1-(M^(-log2(M^pr_c))))*((A(i,j)^gm)+(1-(A(i,j))^gm)*(M^gm)));
                Iout(i,j)=(A(i,j)^gm)/k;
            end
        end
 
        if(NN==3) %For RGB images
            ImOut=zeros(SS(1),SS(2),SS(3));
            ImOut(:,:,1:2)=B(:,:,1:2);    
            ImOut(:,:,3)=Iout;
            ImOut=hsv2rgb(ImOut);
            ImOut=255*ImOut;
            ImOut=uint8(ImOut);
        else %Non-RGB images           
            ImOut=uint8(255*(Iout));
        end  
        
        figure; imshow(Im);
        figure; mshow(ImOut);

2.Ammen增强算法：论文：Al-Ameen, Zohair   “Nighttime image enhancement using a new illumination boost algorithm”(https://ieeexplore.ieee.org/document/8741330)

代码地址：https://github.com/rafaeelaudibert/Nighttime-Image-Enhancement.m

 代码项目中有详细的调参过程。

也可以从这里下载，https://download.csdn.net/download/yanmengying/88663148

运行test_illumination_boost.m文件的最后两行代码即可。 

3.Ying:论文：A New Low-Light Image Enhancement Algorithm Using Camera Response Model（17年）

代码下载地址：https://github.com/baidut/OpenCE

这个代码项目中有很多增强方法

下载ying函数，ying函数这样调用 

 

4.NPE、SRIE、NPE、LIME、MF、DONG、MSRCR、BIMEF

代码地址， https://github.com/baidut/BIMEF

这是BIMEF的下载地址其中的lowlight文件夹下有这些算法

From left to right: input images, results of MSRCR, Dong, NPE, LIME, MF, SRIE, and BIMEF(ours).

BIMEF和Ying是一个作者，好像是结果相似

BIMEF论文：A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement（15年）

5.MF-LIME算法

代码地址：https://github.com/TwoTu/MF-LIME

 这是一个很有参考价值的算法，但是我没找到对应论文(跟这篇非常像：基于多尺度融合技术的低光照图像增强技术研究)，程序没调通(laplaPyramid函数调用时候提示矩阵维度不一致)。给了15张自己使用手机拍摄的低光图像，很适合做增强实验，其中Test文件夹下有Dong、Ying算法，IQA文件夹下有CEIQ、ENIQA等评价指标。

Datasets
- [DICM数据集](http://mcl.korea.ac.kr/projects/LDR/LDR_TEST_IMAGES_DICM.zip) ，共69张图像，只选取了前44张低光照图像。
- [Fusion数据集](https://xueyangfu.github.io/projects/sp2016.html) 
- [LIME数据集](https://sites.google.com/view/xjguo/lime)
- [VV数据集](https://drive.google.com/file/d/1RL7sf0vvfE7UDSQUH7atHHkibAUjprtn/view) 
- 用华为P40相机拍摄的15张低光照图像。

IQA
非参考图像质量评价指标（[CEIQ](https://github.com/imfing/CEIQ)，[ENIQA](https://github.com/jacob6/ENIQA)）的项目文件，点击即可查看该指标Github项目源。指标（BRISQUE，NIQE，PIQE）MATLAB图像处理工具箱自带，直接调用即可。 [BRISQUE](https://ww2.mathworks.cn/help/images/ref/brisque.html)：基于自然场景统计的失真通用非参考图像质量评估模型。
 [CEIQ](https://github.com/imfing/CEIQ)：基于对比度增强的失真图像非参考质量评价指标。
 [ENIQA](https://github.com/jacob6/ENIQA)：基于图像熵的高性能通用非参考图像质量评估指标。
 [NIQE](https://ww2.mathworks.cn/help/images/ref/niqe.html)：从自然场景图像计算的默认模型进行比较的非参考图像质量评估模型。
- [PIQE](https://ww2.mathworks.cn/help/images/ref/piqe.html)：基于感知的非参考图像质量评估器。

Test
低光照图像增强领域各方法对比，具体说明见文件夹下`README.md`文件。
- `Dong.m`：Dong等人基于去雾模型的方法，论文[《Fast efficient algorithm for enhancement of low lighting video》](https://ieeexplore.ieee.org/document/6012107)
- `lime.m`：Guo等人基于Retinex模型的方法，论文[《LIME: Low-light Image Enhancement via Illumination Map Estimation》](https://ieeexplore.ieee.org/document/7782813)
- `multi_fusion.p`：Fu等人基于融合的方法，未开源，论文[《A fusion based Enhancing Method for Weakly illuminated Images》](https://xueyangfu.github.io/projects/sp2016.html)
- `ying.m`：论文[《A New Low-Light Image Enhancement Algorithm Using Camera Response Model》](https://ieeexplore.ieee.org/document/8265567)

6.一个好用的小软件，应该是在github上下载的，地址忘了。

上传在这里了：https://download.csdn.net/download/yanmengying/88670279