基于结构稀疏正则化的非视距重建
图像与视频处理
2023-09-21 v1 光学
摘要
非视距(NLOS)成像能够对拐角处的物体进行成像,在自动驾驶、机器人视觉、医学成像、安全监控等诸多领域具有潜在应用。然而,低信噪比(SNR)测量对重建质量提出了挑战。在本研究中,我们提出一种称为结构稀疏(SS)正则化的正则化方法,用于NLOS重建中的去噪。通过利用结构稀疏性的先验知识,我们将核范数惩罚纳入面向NLOS成像系统的定向光锥变换(DLCT)模型的成本函数中。该引入有效地整合了与定向反照率相关的邻域信息,从而促进去噪过程。随后,通过使用快速迭代收缩阈值算法优化带SS正则化的定向反照率模型实现重建。值得注意的是,我们观测到了被遮挡物体的鲁棒重建。通过在合成与实验数据集上的综合评估,我们证明了所提方法能够产生高质量重建,超越当前最先进的重建算法,尤其在短曝光和低SNR测量场景下。
引用
@article{arxiv.2308.02782,
title = {Non-line-of-sight reconstruction via structure sparsity regularization},
author = {Duolan Huang and Quan Chen and Zhun Wei and Rui Chen},
journal= {arXiv preprint arXiv:2308.02782},
year = {2023}
}
备注
8 pages, 5 figures