动态随机共振（DSR）是一种用于增强暗和低对比度图像的独特技术。 噪声对于基于DSR的图像增强来说是必需的，并且噪声水平会与亮度同时增大，这会大大降低增强图像的感知质量，并且还会增加后续降噪的难度，因为去除高水平的噪声通常会导致严重的噪声损失。图片细节。 本文提出在增强过程中逐步消除噪声，而不是在增强过程完成后消除噪声。我们首先在变分框架中重写了基于传统偏微分方程（PDE）的DSR模型，然后提出一种用于图像增强的新颖的总变化正则化（TV）DSR方法。 从理论上证明了TV正则化DSR模型解的存在性和唯一性。 此外，我们分别在变体框架和PDE框架中推广了电视正则化DSR模型，因此我们可以将更多现有的去噪方法纳入我们的方法中。 数值比较表明，所提出的技术在对比度和亮度增强以及噪声抑制方面具有显着的性能，因此可以获得具有良好感知质量的增强图像。

SESR：同时增强和超分辨率 在更高的空间比例上可感知地增强图像生成 指标： 论文： : 预印本： : RSS-2020焦点演讲： ： 数据： ： 深度SESR模型 一种有效的水下图像模型； 可以接受2x-4x SESR的端到端培训 模型架构和实施细节： : 带有一维FENet的Deep SESR 2x的重量（在UFO-120上进行了训练）在以下型号中提供： HDF5：deep_sesr_2x_1d.h5文件； 使用test_sesr_Keras.py Protobuf：deep_sesr_2x_1d.pb文件； 使用test_sesr_TF.py UFO-120数据集 1500个训练和120个测试样本（水下图像） 促进2x，3x和4x SESR模型的配对训练 还具有带注释的显着性图，用于训练显着性预测模型 可以从以下网址下载： http : //irvla

书名：SPEECH ENHANCEMENT Theory and Practice 很好的书！学习语音增强的同学可以看看。

(LIME):Low Light Image Enhancement via Illumination Map Estimation

matlab暗调滤镜代码图像增强 资源 现实世界中的水下增强功能：具有挑战性的基准测试和有效的解决方案 对比增强 弱光图像的对比度增强技术 Matlab中快速优化的图像/视频增强方法 CAIP2017的“使用曝光融合框架的新图像对比度增强算法”的Python实现 “通过通道划分增强内容感知的暗图像”的非官方实现。 实施“基于retinex的单个水下图像增强方法” Matlab代码，“使用对比度增强功能对对比度失真的图像进行无参考质量评估” 加快自适应对比度增强（SUACE）； 一种基于OpenCV对比度增强技术。 基于局部边缘保留滤镜的2016 HDR红外图像细节增强的matlab代码 使用波长补偿和去雾的水下图像增强 “用于实时图像增强的深度双边学习”的实现 全卷积网络的快速图像处理 反射去除 “使用重影提示去除反射”的实施 除雾 在CUDA上实现的除雾算法。 MATLAB实现的“非局部图像去雾”论文 实施“在充满挑战的照明条件下进行视频增强的高效集成算法”。 水下的。 实施“通过融合视频演示增强水下图像和视频” 密集连接的金字塔除雾网络 超分辨率 高影响力和最先进的SR方法的集合

卡方攻击是隐写分析中最常见和最常用的统计攻击。 LSB 增强攻击也是该领域最广为人知的视觉攻击。 这个项目包括在java中实现这两个方法。

Simultaneous enhancement and noise reduction of a single low-light image

基于融合的快速低光照图像增强算法 这些是有关纸张的数据和代码

C-LIENet-一个多上下文低光图像增强网络 论文“ C-LIENet：多上下文低光照图像增强网络”的官方代码存储库，IEEE Access，第1卷。 9，pp。31053-31064，2021年

做语音增强了两种基本方法，kalman滤波和维纳滤波的方法。希望对学习增强的同学有帮助。