Multi-Stage Progressive Image Restoration文献调研

D. Zoran and Y. Weiss. From learning models of natural image patches to whole image restoration.

RetinexNet 这是RetinexNet的Tensorflow实现 深度Retinex分解，可增强弱光。 在BMVC'18（口头介绍）中 ， ，，。 （*表示平均分担） ， 要求 Python Tensorflow> = 1.5.0 numpy，PIL 测试用法 要使用我们的模型快速测试您自己的图像，您可以运行 python main.py --use_gpu=1 \ # use gpu or not --gpu_idx=0 \ --gpu_mem=0.5 \ # gpu memory usage --phase=test \ --test_dir=/path/to/your/test/dir/ \ --save_dir=/pa

基于TSVD 的图像复原，可达到很好的复原效果，对运动模糊图像的复原尤其有效

水下图像通常表现出颜色失真和低对比度，这是由于光在传播过程中受到指数衰减的结果。此外，不同波长的颜色衰减速率不同，红色波长衰减最快。为了恢复水下图像，我们提出了一种红色通道的方法，即恢复与短波长的相关的颜色，这与水下图像的期望一致，从而恢复丢失的对比度。红色通道方法可以解释为暗通道方法的一种变体，暗通道方法用于处理暴露于雾霾时被大气降解的图像。实验结果表明，我们的技术可以优雅地处理人工照明区域，与其他最先进的方法相比，实现了自然的色彩校正和优异或等效的可视性改进。