单图像深度离焦估计及其应用
图像与视频处理
2021-12-15 v2 计算机视觉与模式识别
摘要
深度信息在许多图像处理应用中十分有用。然而，由于拍摄是将三维场景投影到二维成像传感器的过程，深度信息被嵌入图像之中。从图像中提取深度信息是一项具有挑战性的任务。一个指导原则是，由离焦引起的模糊程度与物体和焦平面之间的距离有关。基于该原则以及被广泛使用的高斯模糊是离焦模糊良好模型的假设，我们将估计空间变化的离焦模糊程度问题表述为一个高斯模糊分类问题。我们通过训练深度神经网络将图像块分类为 20 个模糊等级之一来解决该问题。我们创建了一个包含超过 500000 个大小为 的图像块的数据集，用于训练和测试几种知名网络模型。我们发现 MobileNetV2 因其低内存需求和高精度而适用于此应用。训练好的模型用于确定图像块模糊程度，随后通过应用迭代加权引导滤波进行细化。结果是一个离焦图，携带每个像素的模糊程度信息。我们将所提方法与最先进的技术进行比较，并展示了其在自适应图像增强、离焦放大和多聚焦图像融合中的成功应用。
引用
@article{arxiv.2107.14443,
title = {Single image deep defocus estimation and its applications},
author = {Fernando J. Galetto and Guang Deng},
journal= {arXiv preprint arXiv:2107.14443},
year = {2021}
}