【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院西安光機所光譜成像技術(shù)研究室王荃研究員團隊在計算成像領(lǐng)域取得重要研究進展，相關(guān)成果發(fā)表于Pattern Recognition。論文第一作者為西安光機所博士生尹建福，論文通訊作者為王荃研究員，中國科學(xué)院西安光機所為第一完成單位。
針對運動視頻快照壓縮成像中，幀間劇烈變化、時域復(fù)用偽影等傳統(tǒng)方法難以解決的核心瓶頸，團隊創(chuàng)新性提出基于“漸進式退化估計與去噪(PDE?D)”主干網(wǎng)絡(luò)的深度展開框架，為動態(tài)場景高質(zhì)量重建提供全新技術(shù)路徑。
該框架在結(jié)構(gòu)設(shè)計上實現(xiàn)了關(guān)鍵突破：采用逐級展開架構(gòu)，在每一階段協(xié)同引入“退化估計”與“去噪”模塊。
“退化估計”模塊聚焦于非適定反演問題中不可避免的重建偏差，利用可學(xué)習(xí)的殘差校正機制對二維測量數(shù)據(jù)進行精細修正，有效抑制非均勻偽影；
“去噪”模塊創(chuàng)新性地引入“自適應(yīng)時空協(xié)同”機制，在無需顯式對齊操作的前提下，實現(xiàn)時序信息的一致性約束與細節(jié)恢復(fù)，大幅提升了算法在復(fù)雜運動場景中的表現(xiàn)能力。
在模擬數(shù)據(jù)集及真實世界灰度基準數(shù)據(jù)集的系統(tǒng)評測表明，該方法在重建精度、運動魯棒性及計算效率等多項關(guān)鍵指標上均優(yōu)于當前主流前沿算法，綜合性能突出。
尹建福解釋，“用貓咪跳躍舉個例子，傳統(tǒng)拍照連拍8次要按8次快門，約占16MB內(nèi)存，還容易錯過動作。快照壓縮成像拍一次就能記下全過程，8幀還不到0.7MB，可多個畫面疊在一起，就會模糊重影，貓?zhí)迷娇煸絹y。我們的新算法能邊修正誤差邊去噪，不用復(fù)雜對齊，就能把糊掉的畫面重新變清晰。”
該研究成果有望應(yīng)用于智能交通監(jiān)控、自動駕駛感知、公共安全監(jiān)測、醫(yī)療動態(tài)成像以及工業(yè)高速檢測等多個領(lǐng)域，可在低照度或高速運動條件下實現(xiàn)更清晰、更高效的信息獲取與分析，為提升城市運行安全、醫(yī)療診斷水平和智能制造能力提供有力支撐。
王荃研究員團隊長期深耕計算機視覺與生物醫(yī)學(xué)成像、腦機智能等交叉方向：圍繞復(fù)雜動態(tài)場景感知與高維信息獲取關(guān)鍵問題，構(gòu)建了從理論建模到應(yīng)用實現(xiàn)的系統(tǒng)化研究體系，在物理約束深度學(xué)習(xí)與跨模態(tài)表征等方面持續(xù)取得突破，相關(guān)成果發(fā)表于CVPR、Neuroimage等會議及期刊；圍繞攻關(guān)快照壓縮成像中的單次曝光多幀信息獲取中的時域混疊、動態(tài)退化難題，提出融合物理先驗與深度展開的高性能重建方案，大幅提升復(fù)雜場景時空分辨率與重建質(zhì)量，為高速觀測、生物醫(yī)學(xué)成像等領(lǐng)域的應(yīng)用落地提供核心支撐。相關(guān)成果發(fā)表于Signal Processing等。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。