期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于通道协同与色彩校正的RAW数据到RGB图像重建方法
1
作者 刘昱 陈永祺 +2 位作者 王瀚 刘人赫 汪少初 《天津大学学报(自然科学与工程技术版)》 北大核心 2025年第4期395-405,共11页
图像传感器直接输出的原始RAW数据需经过重建操作后才能转换为RGB图像,用于重建RGB的传统多步骤图像信号处理(ISP)算法往往具有流程复杂、灵活性低、误差累积等问题,而现有的一些基于深度学习的图像信号处理算法存在未能充分利用RAW图... 图像传感器直接输出的原始RAW数据需经过重建操作后才能转换为RGB图像,用于重建RGB的传统多步骤图像信号处理(ISP)算法往往具有流程复杂、灵活性低、误差累积等问题,而现有的一些基于深度学习的图像信号处理算法存在未能充分利用RAW图像模式信息与未能充分利用RGB通道相关性等局限.基于此,本文设计了基于深度学习的ISP-Net模型,针对上述不足进行改进.该模型包含模式信息复原、跨通道重建和色调调整3个主要模块.首先,模式信息复原模块通过掩码提取RAW图像的颜色通道信息,并通过通道间的融合操作最大化地学习RAW图像的模式信息;其次,跨通道重建模块通过通道间相互指导的方式,充分利用通道相关性提升图像重建质量;最后,色调调整模块通过构建色调调整矩阵,提升颜色复原的准确性.所设计的模型在合成数据集与真实数据集上均进行了测试.在主观评价上,本文方法在色彩准确度、纹理细节重建方面更接近真实图像;在客观指标上,特别地,在噪声强度为15时,本文方法的峰值信噪比在Kodak、McMaster、WED-CDM和Urban 100数据集上均为最优指标,分别为32.33 dB、32.44 dB、32.22 dB及31.67 dB,最大可优于同数据集次优指标0.24 dB.在真实数据集上的峰值信噪比为28.98 dB,相较于传统图像信号处理方法FlexISP、SEM和ADMM,峰值信噪比均高出至少17 dB,相比于基于深度学习的RAW图像重建方法Deepjoint和MGCC-B峰值信噪比分别提升了4.03 dB和1.55 dB. 展开更多
关键词 图像信号处理 raw图像重建 模式信息复原 跨通道重建 色调调整
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部