《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 端對端深度學習無損去圖像散射研究
端對端深度學習無損去圖像散射研究
2020年信息技術與網絡安全第9期
漆建軍
廣東外語外貿大學 信息科學技術學院,廣東 廣州510006
摘要: 針對光線通過介質會產生散射現象,提出了一種基于神經網絡的端對端圖像去散射方案,,對于散射退化的圖片進行退散射的處理,此方案不需要復雜的光學設備,,應用場景廣泛,在仿真和實際實驗中都取得了預期的結果。提出了一套利用拍攝屏幕來建立散射退化圖片和無散射圖片的數據集的方法,且這一方法在許多其他的圖像處理圖像恢復工作中有應用價值,。
中圖分類號: TP751
文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2020.09.010
引用格式: 漆建軍. 端對端深度學習無損去圖像散射研究[J].信息技術與網絡安全,2020,,39(9):49-55.
End-to-end deep learning based non-invasive image descattering
Qi Jianjun
School of Information Science and Technology,,Guangdong University Forien Studies,Guangzhou 510006,,China
Abstract: The image quality will decay when light goes through the scattering media or reflect on the rough surface. In this paper, we purpose an end-to-end deep learning descattering method. This method does not need complex optical device and perform very well in complex scene. This method has a state-of-art performance in both the simulation dataset and real experiment dataset. In this paper, we also creatively put forward a pipeline to collect the hazing and ground truth dataset by capturing the screen, which can also be used in many other field.
Key words : descattering;deep learning,;end to end,;image reconstruction

0 引言

    在采集自然界圖片的時候經常會遇見散射造成的圖像損失,對于散射有很多情況,,比如:當光線經過細小不規(guī)則分布的顆粒組成的介質的時候,,光子與細小顆粒發(fā)生碰撞,造成行進的線路發(fā)生改變,,產生散射,,最后到達傳感器平面的時候不同線路延時的光子疊加,會造成圖像模糊,,造成對比度與清晰度下降的現象,;光照射在粗糙的物體表面,發(fā)生了漫反射,,反射的圖像會有類似散斑的現象,,這樣的衰減圖片對于自動駕駛,、計算機視覺、醫(yī)學成像都有非常不利的影響[1],。為了恢復圖像,,POPOFF S M等利用測定傳輸矩陣解卷[2]和生成共軛波前補償,但是測量傳輸矩陣需要費時的測量,,硬件相對復雜,,使用環(huán)境相對單一,而且只能在照明光具有一定相干性的前提下進行[3],。為此,,特提出一種使用深度學習的方法,通過學習大量散射圖與無散射圖對比,,讓網絡學習到散射圖和無散射圖之間的映射關系,,避免了費時的傳輸矩陣測量。并且這樣的方法不需要對于樣本進行染色或者標記,,不會對樣本產生破壞[4],。為此,將傳統(tǒng)的雙層卷積結構進行改進,,采用了dense結構的Unet網絡,,不管是在去散射的指標效果還是視覺效果上都有比較大的提升。因為深度學習需要大量的訓練數據,,訓練數據的好壞對于學習結果起到至關重要的作用,,還提出了一套通過拍攝屏幕的方法來搜集數據集的方法,主要創(chuàng)新有如下幾點,。

    (1)提出了一套相機拍攝屏幕創(chuàng)建深度學習訓練數據的流程,,包含屏幕相機校準和圖像匹配的方法,此方法也可以廣泛用于其他圖像處理和圖像恢復的任務,。

    (2)提出了一種基于深度學習的端對端去散射網絡,,相比于傳統(tǒng)測定傳輸矩陣的方法更加省時省力,且對于成像的樣本沒有損害,,不需要染色或者其他標記,。

    (3)使用環(huán)境相對廣泛,采集裝置相對簡單,,僅僅使用普通手機就可以進行采集,,且對于照明光源沒有太多要求。

    (4)改進了像素到像素圖像恢復雙層卷積的Unet結構,,采用了dense的連接結構,,使網絡具有更好的恢復圖像性能。




本文詳細內容請下載:http://forexkbc.com/resource/share/2000003096




作者信息:

漆建軍

(廣東外語外貿大學 信息科學技術學院,,廣東 廣州510006)

此內容為AET網站原創(chuàng),,未經授權禁止轉載,。