利用不确定性恢复大气湍流退化图像的学习方法
图像与视频处理
2022-07-08 v1 计算机视觉与模式识别
摘要
大气湍流会引起大气折射率随空间和时间的随机波动，从而显著降低远距离成像系统所获取图像的质量。折射率的变化导致所捕获的图像发生几何畸变和模糊。因此，补偿大气湍流造成的图像视觉退化十分重要。本文提出一种基于深度学习的方法来恢复被大气湍流退化的单幅图像。我们利用基于蒙特卡洛 dropout 的认知不确定性来捕捉图像中网络难以恢复的区域。随后将估计的不确定性图用于引导网络获得恢复后的图像。在合成图像和真实图像上进行了大量实验，以表明所提工作的意义。代码见：https://github.com/rajeevyasarla/AT-Net
引用
@article{arxiv.2207.03447,
title = {Learning to restore images degraded by atmospheric turbulence using uncertainty},
author = {Rajeev Yasarla and Vishal M. Patel},
journal= {arXiv preprint arXiv:2207.03447},
year = {2022}
}
备注
Recognized as Best Paper at IEEE International Conference on Image Processing, 2021. arXiv admin note: substantial text overlap with arXiv:2007.08404