用于暗光视觉的可见性约束宽带照明光谱设计
计算机视觉与模式识别
2023-03-22 v1 图像与视频处理
摘要
暗光视觉因广泛应用及野外场景的极端复杂性，是最重要的计算机视觉任务之一，也最具挑战性。现有方法主要分为两类：1）依赖 RGB 的方法仅利用退化的 RGB 输入恢复信息（如低光增强）；2）独立于 RGB 的方法将辅助近红外（NIR）照明下捕获的图像转换至 RGB 域（如 NIR2RGB 转换）。后者极具吸引力，因其可在全黑环境中工作且照明对人眼视觉友好，但因内在歧义性往往不稳定。本文尝试通过在宽带可见-近红外（VIS-NIR）范围内设计辅助照明的最优光谱来使 NIR2RGB 转换更鲁棒，同时保持视觉友好性。我们的核心思想是量化人眼视觉系统隐含的可见性约束，并将其纳入设计流程。通过对 VIS-NIR 范围内图像形成过程建模，在可见性约束定义的可行域内，以完全可微方式自动设计宽范围 LED 的最优复用。我们还使用定制的 50 波段滤光轮收集了大幅扩展的 VIS-NIR 高光谱图像数据集用于实验。实验结果表明，与使用仅 NIR 相比，采用优化宽带照明可显著改善该任务。代码见：https://github.com/MyNiuuu/VCSD。
引用
@article{arxiv.2303.11642,
title = {Visibility Constrained Wide-band Illumination Spectrum Design for Seeing-in-the-Dark},
author = {Muyao Niu and Zhuoxiao Li and Zhihang Zhong and Yinqiang Zheng},
journal= {arXiv preprint arXiv:2303.11642},
year = {2023}
}
备注
Accepted to CVPR 2023