Restauración de imágenes integrales 3D mediante aprendizaje profundo informado por polarización en turbidez

Área de la Ciencia:

• Óptica y Fotónica
• Visión por Computadora
• Aprendizaje Automático

Sus antecedentes:

• La imagen polarimétrica captura información sobre la polarización de la luz, crucial para comprender las propiedades del material y las condiciones ambientales.
• Las degradaciones como la dispersión, la atenuación y la oclusión en medios turbios deterioran gravemente la calidad de las imágenes polarimétricas.
• La recuperación de datos polarimétricos precisos (parámetros de Stokes, grado de polarización lineal) es esencial para un análisis fiable.

Objetivo del estudio:

• Desarrollar y evaluar un novedoso enfoque de restauración de imágenes polarimétricas utilizando aprendizaje profundo informado por polarización e imágenes integrales 3D.
• Recuperar los parámetros de Stokes y el grado de polarización lineal degradados.
• Estimar la matriz de Mueller para caracterizar los medios de transmisión y los objetos.

Principales métodos:

• Se utilizó un marco de traducción de imagen a imagen no supervisada (UNIT) para la restauración de parámetros de Stokes.
• Se empleó una red neuronal convolucional (CNN) de salida múltiple para la estimación de la matriz de Mueller.
• Se integró la imagen integral 3D para mitigar las degradaciones en medios turbios.
• Se evaluó el rendimiento en condiciones de turbidez variable y oclusión parcial.

Principales resultados:

• El método propuesto recuperó con éxito los parámetros de Stokes y el grado de polarización lineal de las imágenes degradadas.
• La estimación de la matriz de Mueller proporcionó información sobre los medios de transmisión y las características del objeto.
• La imagen integral 3D demostró ser eficaz para reducir las degradaciones inducidas por la turbidez.
• Los resultados experimentales confirmaron la promesa del enfoque en diversas degradaciones ambientales.

Conclusiones:

• El enfoque de aprendizaje profundo informado por polarización desarrollado muestra una promesa significativa para la restauración de imágenes polarimétricas en entornos degradados.
• Este trabajo representa la primera aplicación de aprendizaje profundo informado por polarización dentro de imágenes 3D para recuperar información polarimétrica y estimaciones de la matriz de Mueller.
• El método ofrece una solución robusta para aplicaciones que requieren un análisis polarimétrico preciso en condiciones desafiantes.