基于 CNN 框架中各向异性视差分析的光场去噪
计算机视觉与模式识别
2018-08-10 v2
摘要
光场（LF）相机通过对聚焦光线的方向性测量提供场景的透视信息。其原始输出通常较暗且带有加性相机噪声，阻碍了后续处理与应用。我们提出了一种基于各向异性视差分析（APA）的新型光场去噪框架。为此联合设计了两个卷积神经网络：首先，结构视差合成网络基于一组各向异性视差特征预测整个光场的视差细节。这些新颖特征能从含噪观测中高效捕获光场的高频透视分量。其次，视角相关细节补偿网络通过引入视角特定的空间能量，将非朗伯变化恢复至每个光场视角。大量实验表明，所提出的 APA 光场去噪器在视觉质量与视差细节保持方面均大幅优于当前最优方法。
引用
@article{arxiv.1805.12358,
title = {Light Field Denoising via Anisotropic Parallax Analysis in a CNN Framework},
author = {Jie Chen and Junhui Hou and Lap-Pui Chau},
journal= {arXiv preprint arXiv:1805.12358},
year = {2018}
}