从 RGB 图像进行物理合理的光谱重建
图像与视频处理
2020-01-03 v1 计算机视觉与模式识别
摘要
近来卷积神经网络（CNN）已被用于从 RGB 图像重建高光谱信息。此外，这一光谱重建问题（SR）通常能以较小误差求解。然而，这些方法并不具备物理合理性：即当将恢复的光谱用底层相机灵敏度重新积分时，所得预测 RGB 与实际 RGB 并不一致，且有时差异很大。曝光变化进一步加剧了该问题。事实上，多数基于学习的 SR 模型针对固定曝光设置训练，我们表明这在曝光变化时会导致性能不佳。在本文中，我们展示如何扩展 CNN 学习以强制物理合理性并缓解由曝光变化引起的问题。我们的 SR 方案在变化曝光条件下改进了最先进的光谱恢复性能，同时确保了物理合理性（恢复的光谱精确重新积分为输入 RGB）。
引用
@article{arxiv.2001.00558,
title = {Physically Plausible Spectral Reconstruction from RGB Images},
author = {Yi-Tun Lin and Graham D. Finlayson},
journal= {arXiv preprint arXiv:2001.00558},
year = {2020}
}