FixPix：利用深度学习修复坏像素
图像与视频处理
2024-07-26 v2
摘要
高效且有效的在线坏像素检测与校正可提高图像传感器的良率并延长其预期寿命。本文提出了一种基于深度学习（DL）的全面在线检测与校正方法，适用于大范围的像素损坏率。我们引入了置信度校准的分割方法，即使仅有少量训练样本，也能实现近乎完美的坏像素检测。针对低像素损坏率，提出了一种计算轻量的校正算法，其精度超越了传统的基于插值的校正技术。此外，提出了一种基于视觉Transformer（ViT）自编码器的图像重建方法，对于高像素损坏率或聚集缺陷取得了有前景的结果。与以往使用专有图像的方法不同，我们在开源的Samsung S7 ISP和MIT-Adobe FiveK数据集上验证了所提方法的有效性。我们的方法实现了高达99.6%的检测准确率，假阳性率<0.6%，并且对于70%损坏的图像，校正图像的平均像素误差在1.5%以内。我们以不到一半的计算成本，在聚集缺陷上实现了与最先进（SoTA）深度学习方法相当的校正误差。
引用
@article{arxiv.2310.11637,
title = {FixPix: Fixing Bad Pixels using Deep Learning},
author = {Sreetama Sarkar and Xinan Ye and Gourav Datta and Peter A. Beerel},
journal= {arXiv preprint arXiv:2310.11637},
year = {2024}
}