面向图像复原的不同大气湍流仿真方法之比较
计算机视觉与模式识别
2022-04-20 v1 图像与视频处理
摘要
大气湍流通过给捕获的场景引入模糊与几何畸变，恶化了长距离成像系统所捕获图像的质量。这导致在此类图像上执行目标/人脸识别与检测等计算机视觉算法时性能急剧下降。近年来，文献中提出了多种基于深度学习的大气湍流抑制方法。这些方法常使用合成生成的图像训练，并在真实世界图像上测试。因此，这些复原方法的性能取决于用于训练网络的仿真类型。本文中，我们系统性地评估了各类湍流仿真方法对图像复原的有效性。特别地，我们使用由湍流退化的面部图像组成的真实世界 LRFID 数据集，基于六种仿真方法评估了两个最先进复原网络的性能。本文将为本领域的研究人员与从业者选择适用于训练湍流抑制深度模型的数据生成模型提供指导。仿真方法的实现代码、网络的源代码以及预训练模型将公开提供。
引用
@article{arxiv.2204.08974,
title = {A comparison of different atmospheric turbulence simulation methods for image restoration},
author = {Nithin Gopalakrishnan Nair and Kangfu Mei and Vishal M. Patel},
journal= {arXiv preprint arXiv:2204.08974},
year = {2022}
}