基于多色图拉普拉斯正则化的鱼眼相机图像联合去马赛克/校正
图像与视频处理
2020-06-23 v1
摘要
为了用多台鱼眼相机组成的装置合成 360 图像，常规处理流程先对每台鱼眼相机的 Bayer 模式网格进行去马赛克，再将去马赛克后的像素从相机网格映射到校正后的图像网格——从而依次执行两次图像插值。因此插值误差会累积，且捕获像素中的采集噪声会在两个连续处理阶段污染邻域。在本文中，我们提出一种联合处理框架，同时执行去马赛克和网格到网格的映射——从而将噪声污染限制在一次插值中。具体而言，我们首先获得从校正图像中规则网格位置到相机 Bayer 模式图像中不规则离网格位置的反向映射函数。对于校正网格中每对相邻像素，我们利用 Bayer 模式网格中三色的相邻像素梯度估计其梯度。我们基于估计的梯度构建相似图，并通过图拉普拉斯正则化（GLR）直接在校正网格中插值像素。实验表明，我们的联合方法优于几种依次执行去马赛克和校正的局部竞争方法，在公开数据集上 PSNR 最高提升 0.52 dB、SSIM 最高提升 0.086，在内部构建的数据集上 PSNR 最高提升 5.53 dB、SSIM 最高提升 0.411。
引用
@article{arxiv.2006.11636,
title = {Joint Demosaicking / Rectification of Fisheye Camera Images using Multi-color Graph Laplacian Regularization},
author = {Fengbo Lan and Cheng Yang and Gene Cheung and Jack Z. G. Tan},
journal= {arXiv preprint arXiv:2006.11636},
year = {2020}
}