基于物理启发深度网络的热成像处理
图像与视频处理
2021-08-27 v2 计算机视觉与模式识别
摘要
我们提出 DeepIR，一种结合物理精确传感器建模与基于深度网络图像表示的新热成像处理框架。我们的关键启发性观察是：热传感器捕获的图像可分解为缓慢变化、与场景无关的传感器非均匀性（可用物理精确建模）和场景相关的辐射通量（可用基于深度网络的正则化良好表示）。DeepIR 既不需要训练数据，也不需要以已知黑体目标进行周期性真值校准——这使其非常适用于实际计算机视觉任务。我们通过开发利用相机抖动捕获的多幅场景图像的新去噪和超分辨率算法，展示了采用 DeepIR 的威力。模拟与真实数据实验表明，DeepIR 仅需少至三幅图像即可执行高质量非均匀性校正，相较竞争方法取得 10dB PSNR 提升。
引用
@article{arxiv.2108.07973,
title = {Thermal Image Processing via Physics-Inspired Deep Networks},
author = {Vishwanath Saragadam and Akshat Dave and Ashok Veeraraghavan and Richard Baraniuk},
journal= {arXiv preprint arXiv:2108.07973},
year = {2021}
}
备注
Accepted to 2nd ICCV workshop on Learning for Computational Imaging (LCI)