从单次曝光中利用光极化进行深度HDR成像
Mara Pistellato1, Tehreem Fatima1, Michael Wimmer2
1Department of Environmental Sciences, Informatics and Statistics, Ca' Foscari University of Venice, 155, Via Torino, 30170 Venice, Italy.
Sensors (Basel, Switzerland)
|July 8, 2023
概括
这项研究引入了一种新的高动态范围 (HDR) 成像方法,使用单个极度度波器阵列 (PFA) 摄像头和外部偏振器. 与现有方法相比,该技术将HDR重建精度提高18%.
科学领域:
- 计算摄影摄影的使用
- 图像处理 图像处理
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 高动态范围 (HDR) 成像旨在捕捉比标准传感器更广泛的光强度范围.
- 传统的HDR方法使用多次曝光和色调映射,而最近的研究则使用数据驱动模型或极度相机探索单次曝光技术.
- 从单次曝光中估计HDR仍然具有挑战性,因为传感器动态范围的限制.
研究的目的:
- 介绍一种新的HDR重建方法,使用单个极度过器阵列 (PFA) 摄像机与外部偏振器.
- 将经典的HDR算法与对极度图像的数据驱动解决方案相结合.
- 为了增强动态范围,并从单个捕获中准确地重建HDR场景.
主要方法:
- 使用带有外部偏振器的PFA摄像头来增加动态范围并模拟各种曝光.
- 开发了一个管道,将标准的HDR括号算法与对极度图像的数据驱动方法集成在一起.
- 引入了两个卷积神经网络 (CNN) 模型:一个用于从PFA数据中估计场景属性,另一个用于改进音调映射.
主要成果:
- 提出的方法证明了在合成和现实世界数据集上有效的HDR重建.
- 在整个测试组中,达到23dB的峰值信号噪声比 (PSNR).
- 在PSNR.中,超越最先进的方法的性能为18%.
结论:
- 这种新的方法成功地利用极度度过器的光衰减来实现准确的HDR重建.
- PFA成像,外部偏振和CNN模型的组合在单曝光HDR成像方面取得了重大进展.
- 该方法为捕捉极端照明变化的场景提供了强大而有效的解决方案.
