《Defocus Deblurring and Superresolution for Time-of-flight Depth Cameras》
摘要: 连续波飞行时间(ToF)相机作为一种低成本的深度图像传感器在移动应用中显示出了巨大的潜力。然而,它们也有一些不足之处,包括有限的照明强度,这导致使用大数值孔径镜头,从而导致景深较浅,使得很难用大的深度变化来覆盖场景。另一个不足之处是目前可用的传感器的有限空间分辨率。本文分析了ToF模糊图像的形成模型。通过直接处理原始的传感器测量数据,但对恢复的深度和振幅图像进行正则化处理,我们能够同时对ToF相机的输出进行去模糊和超分辨。我们的方法在合成和真实数据集上都优于现有的方法。在未来,我们的算法应该可以很容易地扩展到不遵循连续波传感器余弦模型的相机,以及在最近的ToF相机中使用的多频或多相位成像。
7. 结论
本文提出了一种同时消除深度相机镜头模糊和提高图像分辨率的有效方法。我们的算法直接从原始的复杂图像中求出潜振幅和潜深度,并对每个潜振幅和潜深度使用单独的先验来恢复尖锐的特征,减少飞行像素和噪声。与以往的研究相比,我们的算法在模拟数据集和真实数据集上都显著提高了图像质量。与以前的方法不同,我们的方法从根本上不局限于连续波ToF相机的余弦模型,该模型已被证明对于许多系统(例如[12])是不准确的,并且应适用于多频率、多相位或多曝光ToF相机。