BFORE: Butterfly-Firefly Optimized Retinex Enhancement for Low-Light Image Quality Improvement

작성자

Haebom

카테고리

Empty

저자

Ahmed Cherif

💡 개요

본 논문은 저조도 환경에서 촬영된 이미지의 가시성, 대비, 색상 왜곡 문제를 해결하기 위해 새로운 접근 방식인 BFORE(Butterfly-Firefly Optimized Retinex Enhancement)를 제안합니다. BFORE는 수동 튜닝이 필요한 기존 Retinex 기반 방법론의 한계를 극복하고자, 나비 최적화 알고리즘(BOA)과 반딧불이 알고리즘(FA)을 결합한 하이브리드 메타휴리스틱 최적화 프레임워크를 통해 Retinex 파이프라인의 파라미터를 자동으로 조정합니다. 실험 결과, BFORE는 기존 방법론 대비 높은 PSNR 및 SSIM 성능을 달성했으며, 심지어 훈련 데이터 없이도 딥러닝 기반 모델보다 우수한 결과를 보여주었습니다.

🔑 시사점 및 한계

•

메타휴리스틱 알고리즘을 Retinex 기반 이미지 개선 파이프라인에 성공적으로 적용하여, 수동 파라미터 튜닝의 필요성을 없애고 다양한 조명 조건에서의 일반화 성능을 향상시켰습니다.

•

BOA와 FA의 하이브리드 전략을 통해 전역 탐색과 지역 탐색 간의 균형을 효과적으로 유지함으로써, 최적화 성능을 크게 개선했습니다.

•

훈련 데이터 없이도 딥러닝 기반 방법론과 경쟁하거나 능가하는 성능을 보여, 데이터 부족 환경에서의 저조도 이미지 개선에 대한 새로운 가능성을 제시합니다.

•

제안된 방법론의 복잡성과 계산 비용에 대한 분석이 더 필요하며, 실제 환경에서의 다양한 시나리오에 대한 추가적인 검증이 요구됩니다.

PDF 보기

Made with Slashpage