Image Quality Improvements Based on Motion-Based Deblurring for Single-Photon Imaging
Image Quality Improvements Based on Motion-Based Deblurring for Single-Photon Imaging
复制标题
基于运动去模糊的单光子成像图像质量改进
DOI：
10.1109/access.2021.3059293
复制
发表时间：
2021
期刊：
影响因子：
3.9
通讯作者：
Takayuki Hamamoto
中科院分区：
文献类型：
--
作者：
Kiyotaka Iwabuchi;Yusuke Kameda;Takayuki Hamamoto
光子计数成像可用于捕获清晰的光子受限场景。在光子计数成像中，关于入射光子的信息被获得为二进制帧（位平面帧），其在重建过程中被变换为多位图像。在此过程中，有必要应用去模糊方法，以实现动态场景的捕获而不产生运动模糊。本文提出了一种高质量的动态场景位平面帧重建的去模糊方法。所提出的方法涉及通过对共享相同运动的像素应用运动补偿来对场景内的对象运动单元进行去模糊。该方法比对像素块或空间区域单元应用简单的去模糊实现了更有效的运动模糊抑制。它还适用于一种新的技术，即使在光子有限的情况下，通过光子入射的时间变化的统计评估从位平面帧的准确运动估计。除了去模糊，我们的实验结果还表明，该方法可以应用于去噪，提高了1.2 dB的峰值信噪比。总之，所提出的用于位平面重建的方法即使在光子受限的动态场景中也实现了高质量的成像。
Photon counting imaging can be used to capture clearly photon-limited scenes. In photon counting imaging, information on incident photons is obtained as binary frames (bit-plane frames), which are transformed into a multi-bit image in the reconstruction process. In this process, it is necessary to apply a deblurring method to enable the capture of dynamic scenes without motion blur. In this article, a deblurring method for the high-quality bit-plane frame reconstruction of dynamic scenes is proposed. The proposed method involves the deblurring of units of object motion within a scene through the application of motion compensation to pixels sharing the same motions. This method achieves more efficient motion blur suppression than the application of simple deblurring to pixel block or spatial region units. It also applies a novel technique for accurate motion estimation from the bit-plane frame even in photon-limited situations through the statistical evaluation of the temporal variation of photon incidence. In addition to deblurring, our experimental results also revealed that the proposed method can be applied for denoising, which improves the peak signal-to-noise ratio by 1.2 dB. In summary, the proposed method for bit-plane reconstruction achieves high quality imaging even in photon-limited dynamic scenes.
登录
查看更多内容
DOI：
10.1145/3386569.3392470
发表时间：
2020-06
期刊：
ACM Transactions on Graphics (TOG)
影响因子：
--
作者：
Sizhuo Ma;S. Gupta;A. Ulku;C. Bruschini;E. Charbon;Mohit Gupta
通讯作者：
Sizhuo Ma;S. Gupta;A. Ulku;C. Bruschini;E. Charbon;Mohit Gupta
影响因子：
4.9
作者：
Ma, Jiaju;Fossum, Eric R.
通讯作者：
Fossum, Eric R.
gigavision 相机中的图像重建
DOI：
10.1109/iccvw.2009.5457554
发表时间：
2009
期刊：
2009 IEEE 12th International Conference on Computer Vision Workshops, ICCV Workshops
影响因子：
--
作者：
Feng Yang;L. Sbaiz;E. Charbon;S. Süsstrunk;M. Vetterli
通讯作者：
M. Vetterli
影响因子：
3.8
作者：
Ren, Ximing;Connolly, Peter W. R.;Buller, Gerald S.
通讯作者：
Buller, Gerald S.
影响因子：
4.6
作者：
Antolovic IM;Burri S;Bruschini C;Hoebe RA;Charbon E
通讯作者：
Charbon E