湍流退化图像联合子采样与重建的变分模型
计算机视觉与模式识别
2017-12-12 v1
摘要
湍流退化图像帧同时被湍流形变与时空变化模糊所扭曲。为抑制这些效应，我们提出一种多帧重建方案，从观测图像序列中恢复潜图像。近期方法通常基于将每帧配准至参考图像，借此估计几何湍流形变并复原清晰图像。主要挑战在于精细参考图像通常不可用，因每帧湍流退化帧均失真。高质量参考图像对于几何形变准确估计与帧融合至关重要。此外，图像序列中并非所有帧都有用，故帧选择必要且极有益。本工作中，我们提出一种变分模型，用于帧的联合子采样与清晰图像提取。通过迭代最小化能量泛函，同时获得精细图像与合适的子采样选择。能量由衡量提取图像与子采样帧间差异的保真项，以及对提取图像与子采样的正则项构成。探讨了保真项与正则项的不同选择。通过精心选帧与提图，重建图像质量可显著提升。我们进行了大量实验，证明了所提模型的有效性。此外，提取的子样本与图像可置入现有算法以产生改进结果。
引用
@article{arxiv.1712.03825,
title = {Variational models for joint subsampling and reconstruction of turbulence-degraded images},
author = {Chun Pong Lau and Yu Hin Lai and Lok Ming Lui},
journal= {arXiv preprint arXiv:1712.03825},
year = {2017}
}
备注
arXiv admin note: text overlap with arXiv:1704.03140