Demosaico de patrones Bayer y CFA 2.0 para imágenes con poca iluminación
Autores: Kwan, Chiman; Larkin, Jude
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Demosaico de patrones Bayer y CFA 2.0 para imágenes con poca iluminación
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Píxeles blancos
Rendimiento de desmosaique
Condiciones de poca iluminación
Matriz de filtro de color
Reducción de ruido
Relación señal-ruido
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Se cree comúnmente que tener más píxeles blancos en un conjunto de filtros de color (CFA) ayudará al rendimiento del demosaicing para imágenes tomadas en condiciones de poca iluminación. Sin embargo, hasta donde sabemos, no existe un estudio sistemático que demuestre la afirmación anterior. Presentamos un estudio comparativo para evaluar de manera sistemática y exhaustiva el rendimiento del demosaicing para imágenes de poca iluminación utilizando dos CFAs: el patrón Bayer estándar (también conocido como CFA 1.0) y el CFA 2.0 de Kodak (patrón RGBW con 50% de píxeles blancos). Usando el conjunto de datos limpio de Kodak que contiene 12 imágenes, primero emulamos imágenes de poca iluminación inyectando ruido de Poisson en dos niveles de relación señal a ruido (SNR): 10 dB y 20 dB. Luego creamos imágenes CFA 1.0 y CFA 2.0 para las imágenes ruidosas. Después, aplicamos más de 15 algoritmos de demosaicing convencionales y basados en aprendizaje profundo para demosaicing de los patrones CFA. Utilizando ambos objetivos con cinco métricas de rendimiento y visualización subjetiva, observamos que tener más píxeles blancos realmente ayuda al rendimiento del demosaicing en condiciones de poca iluminación. Este estudio comparativo exhaustivo es nuestra primera contribución. Con la reducción de ruido, observamos que el rendimiento del demosaicing de ambos CFAs ha mejorado en varios dBs. Esto puede considerarse como nuestra segunda contribución. Además, notamos que la reducción de ruido antes del demosaicing es más efectiva que la reducción de ruido después del demosaicing. Responder a la pregunta de dónde se debe aplicar la reducción de ruido es nuestra tercera contribución. También notamos que la reducción de ruido juega un papel ligeramente más importante en una relación señal a ruido (SNR) de 10 dB en comparación con una SNR de 20 dB. También se incluyen algunas discusiones sobre los siguientes fenómenos: (1) por qué CFA 2.0 tuvo un mejor rendimiento que CFA 1.0; (2) por qué la reducción de ruido fue más efectiva antes del demosaicing que después del demosaicing; y (3) por qué la reducción de ruido ayudó más en bajos SNRs que en altos SNRs.
Descripción
Se cree comúnmente que tener más píxeles blancos en un conjunto de filtros de color (CFA) ayudará al rendimiento del demosaicing para imágenes tomadas en condiciones de poca iluminación. Sin embargo, hasta donde sabemos, no existe un estudio sistemático que demuestre la afirmación anterior. Presentamos un estudio comparativo para evaluar de manera sistemática y exhaustiva el rendimiento del demosaicing para imágenes de poca iluminación utilizando dos CFAs: el patrón Bayer estándar (también conocido como CFA 1.0) y el CFA 2.0 de Kodak (patrón RGBW con 50% de píxeles blancos). Usando el conjunto de datos limpio de Kodak que contiene 12 imágenes, primero emulamos imágenes de poca iluminación inyectando ruido de Poisson en dos niveles de relación señal a ruido (SNR): 10 dB y 20 dB. Luego creamos imágenes CFA 1.0 y CFA 2.0 para las imágenes ruidosas. Después, aplicamos más de 15 algoritmos de demosaicing convencionales y basados en aprendizaje profundo para demosaicing de los patrones CFA. Utilizando ambos objetivos con cinco métricas de rendimiento y visualización subjetiva, observamos que tener más píxeles blancos realmente ayuda al rendimiento del demosaicing en condiciones de poca iluminación. Este estudio comparativo exhaustivo es nuestra primera contribución. Con la reducción de ruido, observamos que el rendimiento del demosaicing de ambos CFAs ha mejorado en varios dBs. Esto puede considerarse como nuestra segunda contribución. Además, notamos que la reducción de ruido antes del demosaicing es más efectiva que la reducción de ruido después del demosaicing. Responder a la pregunta de dónde se debe aplicar la reducción de ruido es nuestra tercera contribución. También notamos que la reducción de ruido juega un papel ligeramente más importante en una relación señal a ruido (SNR) de 10 dB en comparación con una SNR de 20 dB. También se incluyen algunas discusiones sobre los siguientes fenómenos: (1) por qué CFA 2.0 tuvo un mejor rendimiento que CFA 1.0; (2) por qué la reducción de ruido fue más efectiva antes del demosaicing que después del demosaicing; y (3) por qué la reducción de ruido ayudó más en bajos SNRs que en altos SNRs.