2018年10月26日星期五

西电<计算成像与超分辨率图像重建>笔记 主讲:邵晓鹏

视频链接: https://www.bilibili.com/video/av11585035/

主要内容:

  1. 计算成像与超分辨率成像技术概述
  2. Coded Exposure(编码曝光)
  3. Coded Aperture(编码孔径)
  4. 呀所编码孔径与超分辨率成像
  5. 随机散射超分辨率成像技术
  6. 量子成像(鬼成像)




1. 计算成像与超分辨率成像技术概述

  • 光电成像模型的一般描述:


\begin{equation}
 g(x,y)=f(x,y)*h(x,y)+n(x,y)
\label{eq1}
\end{equation}

在式\eqref{eq1}中,f(x,y)为原图, h(x,y)为传递函数(调制传递函数: 非常普遍, 比如投影仪上等), n(x,y)为噪声.

h(x,y)和n(x,y)是重点考察对象.


  • 图像退化模型:


图像退化的原因极多, 其中最为典型的退化原因为: 离焦, 运动模糊, 几何失真 和 噪声.



  • 图像恢复
"明确图像退化的原因, 建立数学模型(即h), 沿逆过程(个人注: 是否与Nature25489中的Inverse problem/ inverse transform是一个概念, 或者有关系?)恢复图像. "

  • 图像恢复准则:
"与原图误差最小, 数学上经常用lp范数计算."

  • 图像恢复的难点
数学模型和噪音.


  • 计算成像
Computational Imaging( Photography): Computational imaging refers to any image formation method that involves a digital computer.

传统成像: 所见即所得.
计算成像: 直接得到的结果和想要得到的结果相差很远. 因此需要借助计算机进行图像的重建, 还原,进而得到想要的图像.

例如:
Computational illumination:
coded exposure. 相当于是对快门进行编码.
若对"快门"并不十分了解, 可以参考这篇博客: 相机的成像原理









没有评论:

发表评论