Fast Two-step Blind Optical Aberration Correction

要約

どのカメラの光学系も、重要な視覚的品質基準である写真のシャープネスを低下させます。
この劣化は、光の波長に依存し、イメージング フィールド全体で変化する点広がり関数 (PSF) によって特徴付けられます。
この論文では、カメラやレンズに関する事前情報なしで、単一の生またはJPEG画像の光学収差を補正する2段階のスキームを提案します。
まず、オーバーラップするパッチのローカル ガウス ブラー カーネルを推定し、非ブラインドのブレ除去手法でそれらをシャープにします。
数十個のレンズの PSF の測定値に基づいて、これらのブラー カーネルは、7 つのパラメーターで定義される RGB ガウスとしてモデル化されます。
次に、赤/緑および青/緑の残像を最小限に抑えるようにトレーニングされた畳み込みニューラル ネットワークを使用して、残っている横方向の色収差 (最初のステップでは考慮されていません) を除去します。
合成画像と実画像の両方での実験では、これら 2 つの段階を組み合わせることで、市販の非ブラインド アルゴリズムと競合する最先端の高速ブラインド光学収差補正技術が得られることが示されています。

要約(オリジナル)

The optics of any camera degrades the sharpness of photographs, which is a key visual quality criterion. This degradation is characterized by the point-spread function (PSF), which depends on the wavelengths of light and is variable across the imaging field. In this paper, we propose a two-step scheme to correct optical aberrations in a single raw or JPEG image, i.e., without any prior information on the camera or lens. First, we estimate local Gaussian blur kernels for overlapping patches and sharpen them with a non-blind deblurring technique. Based on the measurements of the PSFs of dozens of lenses, these blur kernels are modeled as RGB Gaussians defined by seven parameters. Second, we remove the remaining lateral chromatic aberrations (not contemplated in the first step) with a convolutional neural network, trained to minimize the red/green and blue/green residual images. Experiments on both synthetic and real images show that the combination of these two stages yields a fast state-of-the-art blind optical aberration compensation technique that competes with commercial non-blind algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google