高动态范围(HDR)成像是在不受控制的环境中(包括自动驾驶,机器人技术和手机相机)的广泛应用中必不可少的成像方式。然而, 传统的HDR成像由于多次曝光和后处理时间, 现有HDR技术无法应用在捕捉动态场景中。
近日,来自阿卜杜拉国王科技大学和普林斯顿大学的研究学者提出了一种通过端到端设计光学编码和重建, 进而实现单次曝光HDR成像的方法。 该方法使用衍射光学元件(DOE)将饱和的高光映射到相邻的不饱和区域。与传统的端到端设计方法相比,其提出了一种新的基于向量分解的可微分的衍射元件模型,该模型避免了庞大的可训练参数并保持了高频编码。 学者进一步提出了一种针对此光学编码的阶梯化的重构网络, 结合创新的中间损失函数, 用于从编码的测量中分离和重建大动态范围信息。通过仿真和实际实验验证了所提出的端到端框架, 并且与最新的端到端设计相比,将PSNR提高了7 dB以上。
![a9e72e346b6aaad12095f278b468ee4d.png](https://img-blog.csdnimg.cn/img_convert/a9e72e346b6aaad12095f278b468ee4d.png)
近日,来自阿卜杜拉国王科技大学,北京大学,同济大学和斯坦福大学的研究学者提出并实现了一种全新的端到端光学编码设计, 将可微的衍射光学模型以及深度学习网络联合训练设计, 训练出用于现实中编码的光学衍射元件, 进而对无法进行超分辨的低填充率SPAD阵列编码超分辨