大视场角无镜头成像技术的微型化传感器
图像与视频处理
2025-12-02 v1
摘要
无镜头相机以薄调制掩模取代笨重光学器件，实现紧凑成像系统。然而，现有方法依赖于假设全局平移不变点扩散函数（PSF）且传感器足够大的理想模型。在实际情况下，PSF在视场（FOV）内呈现空间变化，有限传感器边界会截断调制光——随着传感器缩小，这种效应会加剧，导致Peripheral区域重建质量下降，限制有效FOV。我们通过基于局部平移不变卷积模型的局部到全局层次框架来解决这些限制，显式考虑PSF变化和传感器截断。分块学习的去卷积首先自适应估计局部PSF并独立重建各区域。随后，层次化增强网络逐步扩大感受野——从小块经过中间模块到整个图像——整合局部细节与全局上下文信息。在公开数据集上的实验表明，我们的方法在显著缩小传感器尺寸的情况下，以更大的有效FOV实现了优越的重建质量。在极端微型化条件下——传感器面积缩小至原来的8%——我们实现了2 dB（PSNR）和5%（SSIM）的提升，结构保真度提升尤为显著。代码已公开于 https://github.com/KB504-public/l2g_lensless_imaging。
引用
@article{arxiv.2512.00488,
title = {Large-field-of-view lensless imaging with miniaturized sensors},
author = {Yu Ren and Xiaoling Zhang and Xu Zhan and Xiangdong Ma and Yunqi Wang and Edmund Y. Lam and Tianjiao Zeng},
journal= {arXiv preprint arXiv:2512.00488},
year = {2025}
}