利用CNN恢复单张受大气湍流退化的人脸图像
计算机视觉与模式识别
2020-07-17 v1
摘要
大气湍流显著影响那些使用经长程大气路径传播光线的成像系统。在此类条件下捕获的图像遭受几何形变与空间变化模糊的复合退化。我们提出一种基于深度学习的湍流退化人脸图像恢复方案：首先利用两个独立网络估计人脸图像各位置的几何畸变量与模糊量的先验信息，随后由称为湍流畸变去除网络（Turbulence Distortion Removal Network, TDRN）的网络利用估计的先验信息校正人脸图像中的几何畸变并减轻模糊。此外，提出一种新颖损失用于训练TDRN，其中计算一阶与二阶图像梯度及其置信度图以缓解湍流退化影响。在合成与真实人脸图像上的综合实验表明，该框架能够减轻大气湍流引起的模糊与几何畸变，并显著提升视觉质量。另外，通过消融实验验证了所提方法中不同模块带来的改进。
引用
@article{arxiv.2007.08404,
title = {Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs},
author = {Rajeev Yasarla and Vishal M Patel},
journal= {arXiv preprint arXiv:2007.08404},
year = {2020}
}