科研之友
微信
新浪微博
Facebook
分享链接
摘要
真实环境下偏振图像信息的采集过程受到噪声的影响，不仅造成相关偏振参数的获得偏离其真实值，亦影响后续偏振信息的进一步处理。基于深度学习的去噪方法可以显著消除噪声对偏振图像的影响，但目前的有监督算法效果显著依赖标签数据集，而现实应用中高质量的偏振标签图像难以获得，使得现有方法的应用受到明显的限制。本文提出了一个基于无监督学习的偏振图像去噪方法，该方法打破了监督学习下深度学习需要严格配对图像的限制，使用非配对偏振图像训练一个偏振特化的循环生成对抗网络。网络通过本文提出的基于偏振信息的损失函数统计地学习噪声图像和清晰图像的映射。实验表明，该网络可以有效地抑制室内室外不同环境下偏振图像的噪声，同时能较好地恢复线性偏振度和偏振角。本文中的方法和结果对于处理复杂噪声环境下的偏振成像应用具有重要意义。
-
单位天津大学; 电子工程学院
