超越联合去马赛克与去噪：面向像素合并图像传感器的图像处理流水线
计算机视觉与模式识别
2021-04-20 v1
摘要
像素合并（pixel binning）被视为解决智能手机相机硬件限制的最显著方案之一。尽管优势众多，此类图像传感器须采用易产生伪影的非拜耳色彩滤波阵列（CFA）以实现合并能力。相反，使用此类CFA模式显式执行去马赛克与去噪等基本图像信号处理（ISP）任务，使重建过程显著复杂。本文通过引入一种新颖的基于学习的方法，应对此类图像传感器上联合去马赛克与去噪（JDD）的挑战。所提方法在深度网络中利用深度与空间注意力。该网络由多项目标函数引导，包括两个新颖的感知损失以生成视觉可信图像。此外，我们扩展了所提图像处理流水线，以全面重建并增强采用像素合并技术拍摄的智能手机相机图像。实验结果表明，在定性与定量比较中，所提方法以显著优势超越现有方法。代码见：https://github.com/sharif-apu/BJDD_CVPR21。
引用
@article{arxiv.2104.09398,
title = {Beyond Joint Demosaicking and Denoising: An Image Processing Pipeline for a Pixel-bin Image Sensor},
author = {SMA Sharif and Rizwan Ali Naqvi and Mithun Biswas},
journal= {arXiv preprint arXiv:2104.09398},
year = {2021}
}