概括
本研究引入结构稀疏性 (SS) 规范化,以提高非视线 (NLOS) 图像重建质量. 这种新的方法增强了无声化,即使使用低信号噪声比 (SNR) 数据,也可以更清晰地描绘封闭物体的图像.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 信号处理 信号处理
背景情况:
- 非视线成像 (NLOS) 能够在拐角处看到,这对于自动驾驶和安全至关重要.
- 在NLOS成像中,重建质量通常会因低信号噪声比 (SNR) 测量而降低.
研究的目的:
- 开发一种新的规范化方法,用于在NLOS重建中进行denoising.
- 提高从低SNRNLOS测量中重建图像的质量.
主要方法:
- 引入结构稀疏性 (SS) 正规化,将核规范惩罚纳入定向光变换 (DLCT) 模型.
- 使用快速代收缩值算法 (FISTA) 优化了带有 SS 正规化的定向色度模型.
主要成果:
- 实现了封闭对象的强大重建.
- 证明了高质量的重建超越了最先进的方法,特别是在短时间曝光和低SNR条件下.
- 通过对合成和实验数据集的全面评估来验证.
结论:
- 结构稀疏度规范化有效地通过利用定向白度邻近信息来否定NLOS重建.
- 拟议的方法显著提高了NLOS成像能力,特别是在具有挑战性的低SNR环境中.
