基于多光谱融合的端到端计算成像
传统提升低照度成像质量的方法主要包括外界补光和光圈提升,通过增大物理进光量完成源信息增强,但此类方法会造成光源污染和景深缩短等问题.提出一种端到端的多光谱融合方案,在弥补传统方法缺陷的同时有效恢复低照度场景中物体颜色和细节,实现高质量计算成像.通过定制化设计深度学习网络,融合多通道光谱信息,可有效消除场景噪声.所提方法具有较高的自由度,可以根据具体应用场景需求调节通道数和网络参数,同时也能替代传统的相机模块,优化图像信号处理流程.进行详细的消融实验,结果表明,光谱融合后,相比传统基于RGB数据的方法,所提方法得到的图像质量的均方误差(MSE)和感知损失分别降低了 54.43%和35.12%.所提方法将为增强现实/虚拟现实(AR/VR)、医疗成像、自动驾驶等新兴技术领域带来新的高质量成像方案.
计算成像、多光谱融合、深度学习、低照度
59
TP391(计算技术、计算机技术)
国家自然科学基金;四川省科技计划项目;成都市科技项目
2022-11-28(万方平台首次上网日期,不代表论文的发表时间)
共11页
110-120