一种用于水下SPAD深度成像数据集的模拟方法
Taoran Lu1, Su Qiu1, Hui Wang1
1MOE Key Laboratory of Optoelectronic Imaging Technology and System, Beijing Institute of Technology, Beijing 100081, China.
Sensors (Basel, Switzerland)
|June 27, 2024
概括
研究人员开发了一种快速的水下SPAD数据模拟方法和一个深度学习的无线化网络,以消除水下图像的反向散射干扰. 这种方法有效地提高了图像质量,克服了当前单光子雪崩二极管 (SPAD) 成像技术的局限性.
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
- 海洋技术 海洋技术
背景情况:
- 水中杂质的反向散射干扰阻碍了水下成像质量.
- 单光子雪崩二极管 (SPAD) 设备为先进的水下成像提供高灵敏度和深度分辨率.
- 高成本和小数组尺寸的SPAD设备限制了实际的水下成像实验.
研究的目的:
- 提出一种快速有效的水下SPAD数据模拟方法.
- 开发基于深度学习的无线化网络,以消除向后散射干扰.
- 验证模拟数据和深度学习对水下SPAD图像增强的有效性.
主要方法:
- 开发了一种新的,快速的模拟方法,用于水下SPAD数据.
- 在模拟的水下SPAD图像上创建了一个深度学习的denoising网络.
- 通过使用定量指标 (PSNR,SSIM,) 和定性视觉评估评估了无声化性能.
主要成果:
- 模拟的水下SPAD数据与现实世界的数据分布密切匹配.
- 深度学习的无线化网络显著减少了向后散射干扰.
- 在PSNR (+5.59 dB),SSIM (+9.03%) 和 (+0.84) 中取得了实质性的改进.
结论:
- 拟议的模拟方法为训练深度学习模型提供了可行的替代方案.
- 深度学习有效地消除了水下SPAD图像中的反向散射干扰.
- 这种方法提高了水下成像能力,克服了SPAD设备的局限性.
