SJ-HD^2R：面向动态场景的选择性联合高动态范围成像与去噪
图像与视频处理
2022-11-07 v2 计算机视觉与模式识别
摘要
鬼影伪影、运动模糊和高光区域低保真度是多张低动态范围（LDR）图像合成高动态范围（HDR）图像的主要挑战。这些问题源于先前方法中使用中等曝光图像作为参考帧。为了解决这些问题，我们提出使用欠曝光图像作为参考以避免这些伪影。然而，欠曝光图像暗区的严重噪声成为一个新问题。因此，我们提出了一种联合HDR成像与去噪的流水线，包含两个子网络：（i）一个预去噪网络（PreDNNet），通过利用曝光先验自适应地对输入LDR图像进行去噪；（ii）一个金字塔级联融合网络（PCFNet），以多尺度方式引入注意力机制和级联结构。为了进一步利用这两种范式，我们提出了一个选择性联合HDR成像与去噪（SJ-HDR）成像框架，利用场景特定的先验知识进行路径选择，准确率超过93.3%。我们创建了首个联合HDR成像与去噪基准数据集，该数据集包含各种具有挑战性的HDR和去噪场景，并支持参考图像的切换。大量实验结果表明，我们的方法实现了优于先前方法的性能。
引用
@article{arxiv.2206.09611,
title = {SJ-HD^2R: Selective Joint High Dynamic Range and Denoising Imaging for Dynamic Scenes},
author = {Wei Li and Shuai Xiao and Tianhong Dai and Shanxin Yuan and Tao Wang and Cheng Li and Fenglong Song},
journal= {arXiv preprint arXiv:2206.09611},
year = {2022}
}