基于框架变换与数据驱动先验深度网络的球面图像修复
图像与视频处理
2022-09-30 v1 计算机视觉与模式识别
摘要
球面图像处理已广泛应用于许多重要领域，如自动驾驶的全向视觉、全球气候建模和医学成像。将针对平面图像开发的算法扩展到球面图像并非易事。本工作中，我们聚焦于基于深度学习正则化项的具有挑战性的球面图像修复任务。我们并未简单套用现有的平面图像模型，而是采用快速方向性球面 Haar 框架变换，并基于该框架变换的稀疏性假设构建了新的优化框架。此外，通过采用渐进式编码器-解码器架构，我们精心设计并实现了性能更优的新型深度 CNN 去噪器，其作为隐式正则化项发挥作用。最后，我们使用即插即用方法处理所提出的优化模型，该方法可通过训练 CNN 去噪器先验高效实现。数值实验表明，所提算法能大幅恢复受损球面图像，并且优于单纯使用深度学习去噪器和即插即用模型的效果。
引用
@article{arxiv.2209.14604,
title = {Spherical Image Inpainting with Frame Transformation and Data-driven Prior Deep Networks},
author = {Jianfei Li and Chaoyan Huang and Raymond Chan and Han Feng and Micheal Ng and Tieyong Zeng},
journal= {arXiv preprint arXiv:2209.14604},
year = {2022}
}