从神经形态焦点堆进行混合全焦成像.
概括
这项研究引入了一种新的神经形态焦点堆方法,使用事件摄像头进行全焦图像恢复. 这种技术克服了动态场景的传统多镜头方法的局限性.
科学领域:
- 计算机视觉 计算机视觉
- 神经形态工程的神经形态工程
- 图像处理 图像处理
背景情况:
- 传统的多拍摄焦点堆叠不适合动态场景.
- 由于位置不佳的模糊和失焦纠正,单摄全焦图像恢复具有挑战性.
研究的目的:
- 引入一个神经形态的焦点堆方法,用于全焦图像恢复.
- 为了利用神经形态信号流来改善图像重新聚焦和融合.
主要方法:
- 在连续的焦点扫描过程中使用事件/尖端摄像头捕获神经形态信号流.
- 自动选择重定焦时间,并从神经形态数据重建重定焦图像.
- 使用由神经形态信号引导的权重合并生成的焦点堆,以恢复清晰的图像.
主要成果:
- 与现有的最先进的方法相比,表现出明显的改进.
- 在使用两个不同的神经形态相机的合成和真实数据集上成功测试.
结论:
- 提出的神经形态焦点堆方法有效地恢复了全焦图像.
- 神经形态信号的高时间分辨率对于动态场景重新聚焦至关重要.


