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。

基于神经网络的语音分离必读论文和教程列表 该存储库包含用于纯语音分离和多模式语音分离的论文。 通过Kai Li（如果有任何建议，请与我联系！电子邮件： ）。 提示：对于语音分离初学者，我建议您阅读“深度群集”和“ PIT＆uPIT”作品，这将有助于理解问题。 如果您发现以下某些文章的代码，欢迎添加链接。 纯语音分离 :check_mark: [用于单声道信号源分离的蒙版和深度递归神经网络的联合优化，黄波森，TASLP 2015] :check_mark: [用于单声道语音分离的复杂比率掩盖，DS Williamson，TASLP，2015年] :check_mark: [深度聚类：用于分段和分离的区分嵌入，JR Hershey，ICASSP 2016] :check_mark: [使用深度聚类的单通道多扬声器分离，Y Isik，Interspeech 2016] :check_mark: [用于与说话者无关的多说话者语音分离的深度模型的置换