深度线阵推扫图像复原：退化流水线与抖动感知复原网络
计算机视觉与模式识别
2024-01-17 v1
摘要
线阵推扫（LAP）成像技术广泛应用于遥感领域。然而，由于相机抖动，通过 LAP 获取的图像总是存在失真和模糊。传统的 LAP 图像复原方法，如估计点扩散函数（PSF）的算法，性能有限。为解决这一问题，我们提出了一种抖动感知复原网络（JARNet），分两个阶段去除失真和模糊。在第一阶段，我们构建了一个光流校正（OFC）块来细化退化 LAP 图像的光流，得到预校正图像，其中大部分失真得到缓解。在第二阶段，为了进一步增强预校正图像，我们在空间与频率残差（SFRes）块中集成了两种抖动感知技术：1）将坐标注意力（CoA）引入 SFRes 块，以捕捉正交方向上的抖动状态；2）在空间域和频率域中处理图像特征，以利用局部和全局先验。此外，我们开发了一个数据合成流水线，应用连续动态拍摄模型（CDSM）来模拟 LAP 图像中的真实退化。所提出的 JARNet 和 LAP 图像合成流水线为解决这一复杂挑战奠定了基础。大量实验表明，所提出的两阶段方法优于最先进的图像复原模型。代码可在 https://github.com/JHW2000/JARNet 获取。
引用
@article{arxiv.2401.08171,
title = {Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline and Jitter-Aware Restoration Network},
author = {Zida Chen and Ziran Zhang and Haoying Li and Menghao Li and Yueting Chen and Qi Li and Huajun Feng and Zhihai Xu and Shiqi Chen},
journal= {arXiv preprint arXiv:2401.08171},
year = {2024}
}
备注
Accepted by AAAI 2024