VIP20
本课程属于：030-HDR图像噪声抑制与细节保护 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

HDR图像去噪与暗部细节还原实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
HDR成像基础
什么是HDR · HDR vs SDR · HDR的视觉优势
HDR成像基础
02
噪声源分析
HDR图像中的噪声类型（光子噪声 · 读出噪声 · 量化噪声）
噪声源分析HDR
03
暗部细节的挑战
低信噪比区域分析 · 暗部细节丢失原因 · 动态范围与噪声的权衡
暗部细节的挑战低信噪比区域分析
04
经典去噪算法（一）
均值滤波 · 高斯滤波 · 中值滤波的原理与HDR适用性分析
经典去噪算法均值滤波
05
经典去噪算法（二）
双边滤波 · 非局部均值去噪（NLM）的原理与实现
经典去噪算法双边滤波
06
频域去噪方法
傅里叶变换与小波变换在HDR去噪中的…
频域去噪方法HDR
07
基于优化的去噪方法
全变分（TV）去噪 · 稀疏表示去噪
基于优化的去噪方…TV
08
深度学习去噪入门
CNN基础 · 残差学习（ResNet）在去噪中的应…
深度学习去噪入门CNN
09
经典去噪网络
DnCNN · FFDNet · CBDNet的原理与对比
经典去噪网络DnCNN
10
暗部增强基础
直方图均衡化（HE） · 自适应直方图均衡化（CLAHE）
暗部增强基础HE
11
Retinex理论
基于Retinex的暗部增强方法（S… · MSR · MSRCR）
Retinex理论
12
Gamma校正与色调映射
全局与局部色调映射算子 · 摄影学色调映射
Gamma校正
13
HDR去噪与增强的联合框架
问题建模 · 联合优化目标函数
HDR去噪
14
数据准备
HDR数据集介绍（HDR-Real · MIT HDR等） · 合成噪声数据生成
数据准备HDR
15
图像质量评估（IQA）
PSNR · SSIM · HDR-VDP-2
IQA图像质量评估
16
Python环境搭建
OpenCV · scikit-image · PyTorch/TensorFlow…
Python环境搭建
17
实战
读取与显示HDR图像（OpenCV与…
HDROpenCV
18
实战
实现经典去噪算法（高斯 · 双边 · NLM）并对比效果
实现经典去噪算法高斯
19
实战
实现基于小波变换的HDR去噪
HDR实现基于小波变换…
20
实战
实现CLAHE暗部增强并评估效果
CLAHE实现
21
实战
实现Retinex-MSR暗部增强
Retinex-MSR实现
22
实战
构建简单的CNN去噪网络（PyTor…
CNNPyTor
23
实战
训练DnCNN模型进行HDR去噪
DnCNNHDR
24
实战
实现联合去噪与增强的端到端网络
实现联合去噪增强的端到端网络
25
实战
使用HDR-VDP-2评估去噪与增强…
HDR-VDP-2使用
26
实战
处理真实HDR图像（低光环境拍摄）
HDR处理真实
27
实战
模型部署与推理优化（ONNX导出与加…
ONNX模型部署
28
实战
构建完整的HDR图像处理Pipeli…
HDRPipeli
29
进阶话题
基于Transformer的去噪方法… · Uformer）简介
进阶话题Transformer
30
总结与展望
HDR图像处理的发展趋势 · 未来研究方向
HDR图像处理的发展趋…