因特爾黑科技:黑暗中快速成像系統(tǒng)

想在黑暗中看清周圍,不可避免地要用到夜視儀硫戈。那么如果是想在黑暗中拍照荞膘,又沒有閃光燈罚随,如何才能排到清晰的照片?在CVPR 2018上羽资,英特爾實(shí)驗(yàn)室的Vladlen Koltun和陳啟峰帶領(lǐng)的團(tuán)隊(duì)提出了一種在黑暗中快速成像的系統(tǒng)毫炉,效果非常贊。

在暗光下的圖像易受到低信噪比和低亮度的影響削罩。短曝光的照片會(huì)出現(xiàn)很多早點(diǎn)瞄勾,而長(zhǎng)曝光會(huì)讓照片變得模糊费奸、不真實(shí)。目前已經(jīng)有很多去噪进陡、去模糊愿阐、圖像增強(qiáng)的技術(shù),但是在極端條件下趾疚,他們的作用就很有限了缨历。為了發(fā)展基于學(xué)習(xí)的低光度圖像處理,我們引入了一個(gè)數(shù)據(jù)集糙麦,內(nèi)含有原始短曝光低亮度圖片辛孵,同時(shí)還有對(duì)應(yīng)的長(zhǎng)時(shí)間曝光的圖像。利用該數(shù)據(jù)集赡磅。我們創(chuàng)建了一個(gè)機(jī)遇端到端訓(xùn)練的全卷積網(wǎng)絡(luò)魄缚,用于處理低亮度圖像。網(wǎng)絡(luò)直接使用原始傳感器數(shù)據(jù)焚廊,并替代了大量傳統(tǒng)圖像處理的流程冶匹。最終我們發(fā)現(xiàn)新數(shù)據(jù)集的結(jié)果很有前景。

概述

噪點(diǎn)在任何成像系統(tǒng)中都存在咆瘟,但在亮度較低的環(huán)境中成像就更加困難嚼隘。提高ISO可以增加亮度,但也會(huì)造成更多噪點(diǎn)袒餐。后期處理也是改善噪點(diǎn)過多的方法飞蛹,但這并不能解決信噪比(SNR)低的問題。其他手段雖然能提高SNR灸眼,但都有各自的缺陷桩皿。

的確,在低亮度中快速成像的問題一直沒有好的解決方法幢炸。研究人員提出了各種去噪泄隔、去模糊、提高亮度的技術(shù)宛徊。但這些技術(shù)都是假設(shè)照片是在略暗淡佛嬉、稍有噪點(diǎn)的環(huán)境中捕捉到的。相反闸天,我們想研究的是在非常黑暗的情況下的成像效果暖呕,例如月光下。在這種條件下苞氮,傳統(tǒng)相機(jī)成像的過程就無(wú)能為力了湾揽,圖片必須用原始傳感器數(shù)據(jù)重新構(gòu)建。

我們提出的系統(tǒng)效果(最右)如圖1所示:

圖1

左圖中,環(huán)境中的亮度極低库物,相機(jī)的亮度小于0.1lux霸旗,快門速度為1/30,光圈為f/5.6戚揭,ISO為8000(通常這已經(jīng)很高了)诱告。但是照相機(jī)照出來(lái)仍然是漆黑一片(這可是用索尼全畫幅傳感器)。

中間圖中民晒,把ISO調(diào)到409600精居,這已經(jīng)超過了大多數(shù)相機(jī)的極限了,可以看到照出來(lái)的圖像了潜必,但是圖像顯得很暗靴姿,噪點(diǎn)較多,色彩失真磁滚。

而最右邊我們的方法則清晰了許多佛吓。具體來(lái)說,我們訓(xùn)練了深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)處理低亮度原始圖像數(shù)據(jù)的過程恨旱,包括色彩轉(zhuǎn)化辈毯、去馬賽克坝疼、減少噪點(diǎn)搜贤、圖像質(zhì)量提高等等。

數(shù)據(jù)集

目前大多數(shù)處理低亮度的圖片都是在合成數(shù)據(jù)或沒有對(duì)應(yīng)標(biāo)準(zhǔn)的低亮度圖像上進(jìn)行的钝凶,據(jù)我們所知仪芒,沒有一個(gè)公開數(shù)據(jù)集可以用來(lái)訓(xùn)練或是測(cè)試低亮度圖像處理。于是耕陷,我們就新建了一個(gè)數(shù)據(jù)集掂名,稱為See-in-the-Dark(SID)。數(shù)據(jù)集中共有5094張圖像哟沫,它們都是在低亮度條件下捕捉到的饺蔑、快速曝光的原始圖像。每個(gè)低亮度圖片都有對(duì)應(yīng)的長(zhǎng)時(shí)間曝光高質(zhì)量圖片(注意嗜诀,一張高質(zhì)量圖片可能對(duì)應(yīng)多張低亮度圖片)猾警。

數(shù)據(jù)集包括室內(nèi)和室外的圖像,室外圖像大多于夜晚拍攝隆敢,光源來(lái)自月光或者路燈发皿。室外場(chǎng)景的相機(jī)亮度在0.2lux和5lux之間。室內(nèi)圖像就更暗一些了拂蝎,通常在0.03lux到0.3lux之間穴墅。

輸入圖像的曝光時(shí)間通常在1/30秒到1/10秒之間,相對(duì)應(yīng)的正常圖片的曝光時(shí)間為10到30秒。數(shù)據(jù)集的具體參數(shù)可看下表:

經(jīng)過長(zhǎng)時(shí)間曝光的正常圖片仍含有少許噪點(diǎn)玄货,但是從視覺上已經(jīng)達(dá)到標(biāo)準(zhǔn)圖片的水平了皇钞。我們希望我們創(chuàng)建的應(yīng)用可以在低光度環(huán)境下生成表現(xiàn)良好的圖像,而不是徹底消除所有噪點(diǎn)或讓圖像對(duì)比度最大化誉结。

模型成像方法

從成像傳感器中得到原始數(shù)據(jù)后鹅士,傳統(tǒng)圖像處理過程會(huì)應(yīng)用一系列模塊,例如白平衡惩坑、去馬賽克掉盅、去噪、增加銳度等等以舒。而這些模塊只是在某些相機(jī)中才有趾痘。Jiang等人提出,用本地蔓钟、線性永票、可學(xué)習(xí)的(L3)過濾器來(lái)模型現(xiàn)代成像系統(tǒng)中復(fù)雜的非線性流程。但是滥沫,這些方法都無(wú)法成功解決在低亮度中快速成像的問題侣集,還是由于極低的SNR問題。之后兰绣,Hasinoff等人對(duì)智能手機(jī)上的相機(jī)提出了bursting imaging成像方法世分,通過結(jié)合多張圖像可以生成效果較好的圖像,但是復(fù)雜程度較高缀辩。

對(duì)此臭埋,我們提出了的端到端的學(xué)習(xí)方法,即訓(xùn)練一個(gè)全卷積網(wǎng)絡(luò)(FCN)進(jìn)行圖像處理臀玄。圖2展示了我們所提出的圖像處理架構(gòu):

對(duì)于拜耳陣列瓢阴,我們將輸入的圖像打包到四個(gè)通道中,并相應(yīng)地將空間分辨率在每個(gè)維度上降低健无。對(duì)于X-Trans陣列(圖中未顯示)荣恐,原始數(shù)據(jù)是按6×6排列的,我們將其打包放到9個(gè)通道中累贤。打包后的數(shù)據(jù)輸入到全卷積網(wǎng)絡(luò)中叠穆,輸出一個(gè)有12通道的圖像,空間向量?jī)H為一半畦浓。而這個(gè)半尺寸的輸出被次像素圖層處理后痹束,可以恢復(fù)到原始分辨率。

基本介紹之后讶请,我們要重點(diǎn)了解一下網(wǎng)絡(luò)中兩個(gè)重要的結(jié)構(gòu):一個(gè)多尺寸文本聚合網(wǎng)絡(luò)(CAN)和U-net祷嘶。其他工作研究了殘差連接屎媳,但是我們認(rèn)為這對(duì)我們的模型用處不大,可能是因?yàn)槲覀兊妮斎牒洼敵鲈诓煌念伾臻g中表示论巍。另一個(gè)影響模型結(jié)構(gòu)選擇的是內(nèi)存消耗烛谊,我們的架構(gòu)可以在GPU上處理全分辨率的圖像。由此避免了全連接的圖層嘉汰,他們還需要處理小的圖像補(bǔ)丁丹禀,然后重新進(jìn)行組合。我們默認(rèn)的架構(gòu)是u-net鞋怀。

放大比例決定了輸出圖像的亮度双泪。在我們的圖像生成流程中,放大比例是外部決定的密似,并且是作為圖像流程的輸入焙矛,類似于相機(jī)的ISO。圖3顯示了不同的放大倍數(shù)的結(jié)果残腌,用戶可以自己調(diào)整以改變亮度村斟。

最終網(wǎng)絡(luò)利用L1損失和Adam優(yōu)化器從零開始訓(xùn)練。

實(shí)驗(yàn)過程

首先抛猫,將我們提出的方法與傳統(tǒng)方法的對(duì)比蟆盹,得到以下結(jié)果:

可以看出,我們的方法生成的圖片比傳統(tǒng)方法優(yōu)秀得多闺金。

同時(shí)逾滥,我們認(rèn)為專門用特定的相機(jī)傳感器進(jìn)行訓(xùn)練的網(wǎng)絡(luò)總能達(dá)到最佳效果。但是掖看,最初的實(shí)驗(yàn)表明這不是一定的匣距。我們將一個(gè)在索尼套件上訓(xùn)練的模型應(yīng)用于由iPhone 6S拍攝出的相片上面哥,其中通要包含一個(gè)拜耳過濾陣列和14位的原始數(shù)據(jù)哎壳。我們用一款app手動(dòng)設(shè)置ISO和其他參數(shù),輸出原始數(shù)據(jù)用于處理尚卫。最終的結(jié)果如圖5所示归榕。傳統(tǒng)方法處理的數(shù)據(jù)有很多噪點(diǎn),色差較大吱涉。而我們的網(wǎng)絡(luò)生成的圖片對(duì)比度較強(qiáng)刹泄、噪點(diǎn)少并且顏色正常。

結(jié)語(yǔ)

由于極少的光子數(shù)量和極低的信噪比怎爵,在黑暗環(huán)境中成像一直是個(gè)大難題特石。想以視頻速率在黑暗中成像,對(duì)于傳統(tǒng)的信號(hào)處理方法來(lái)說幾乎是不可能的鳖链。而我們提出的See-in-the-Dark數(shù)據(jù)集姆蘸、全卷機(jī)的網(wǎng)絡(luò)證明了這種在極端條件下成像的可能。最后的實(shí)驗(yàn)也證明這種方法行之有效,我們希望這項(xiàng)工作能在未來(lái)提供更多幫助逞敷。

本文轉(zhuǎn)載自:http://www.dalbll.com/Group/Topic/ArchitecturedDesign/5084

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末狂秦,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子推捐,更是在濱河造成了極大的恐慌裂问,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,723評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件牛柒,死亡現(xiàn)場(chǎng)離奇詭異堪簿,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)皮壁,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,485評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門戴甩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人闪彼,你說我怎么就攤上這事甜孤。” “怎么了畏腕?”我有些...
    開封第一講書人閱讀 152,998評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵缴川,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我描馅,道長(zhǎng)把夸,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,323評(píng)論 1 279
  • 正文 為了忘掉前任铭污,我火速辦了婚禮恋日,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘嘹狞。我一直安慰自己岂膳,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,355評(píng)論 5 374
  • 文/花漫 我一把揭開白布磅网。 她就那樣靜靜地躺著谈截,像睡著了一般。 火紅的嫁衣襯著肌膚如雪涧偷。 梳的紋絲不亂的頭發(fā)上簸喂,一...
    開封第一講書人閱讀 49,079評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音燎潮,去河邊找鬼喻鳄。 笑死,一個(gè)胖子當(dāng)著我的面吹牛确封,可吹牛的內(nèi)容都是我干的除呵。 我是一名探鬼主播唉锌,決...
    沈念sama閱讀 38,389評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼竿奏!你這毒婦竟也來(lái)了袄简?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,019評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤泛啸,失蹤者是張志新(化名)和其女友劉穎绿语,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體候址,經(jīng)...
    沈念sama閱讀 43,519評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡吕粹,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,971評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了岗仑。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片匹耕。...
    茶點(diǎn)故事閱讀 38,100評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖荠雕,靈堂內(nèi)的尸體忽然破棺而出稳其,到底是詐尸還是另有隱情,我是刑警寧澤炸卑,帶...
    沈念sama閱讀 33,738評(píng)論 4 324
  • 正文 年R本政府宣布既鞠,位于F島的核電站,受9級(jí)特大地震影響盖文,放射性物質(zhì)發(fā)生泄漏嘱蛋。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,293評(píng)論 3 307
  • 文/蒙蒙 一五续、第九天 我趴在偏房一處隱蔽的房頂上張望洒敏。 院中可真熱鬧,春花似錦疙驾、人聲如沸凶伙。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,289評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)镊靴。三九已至铣卡,卻和暖如春链韭,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背煮落。 一陣腳步聲響...
    開封第一講書人閱讀 31,517評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工敞峭, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人蝉仇。 一個(gè)月前我還...
    沈念sama閱讀 45,547評(píng)論 2 354
  • 正文 我出身青樓旋讹,卻偏偏與公主長(zhǎng)得像殖蚕,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子沉迹,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,834評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容