賠償運動的方法為動態場景的動態場景提供了更清晰的可視化

研究人員已經開發了一種對運動補償的方法，該方法允許一個像素可視化可以收集複雜動態場景的急性圖像。新方法可以擴大這種計算可視化方法的實際實用性，從而使移動目標的更清晰圖像和提高觀察圖像的質量。

一個像素可視化由一個檢測器（而不是傳統的像素陣列）來獲取圖像。儘管它具有多種優勢，例如高靈敏度和低成本，但它可能會很慢，而動人的場景通常會導致模糊或扭曲的圖像。

研究小組Yuandzin Yu的負責人Yuandzin Yu的負責人說：“我們的單像素可視化方法具有補償運動來糾正運動並保持圖像質量的能力，可以顯著提高視頻管道的實時清晰度並減少模糊性。” “這有助於識別在黑暗或隱藏環境中的物體或人。”

在雜誌中 光學快遞研究人員 描述他們獨特的設備補償技術 並表明他以幾種不同的動作提高了圖像質量和視頻的平滑度。

“這項工作是第一個具有交通補償的結構，專門為單像素可視化的複雜場景而設計，可以用於現實世界的各種場景，”Y。

“這種新方法使您可以使用一個像素可視化來監視困難條件（例如水下場景或通過霧）的應用程序。它最終也可以使自己在醫療診斷和遙感等領域中更加準確地可視化。”

結合運動解決方案

單像素可視化通常包括從光模式的序列中照亮場景，通常是使用微世界（DMD）的數字設備創建的。然後使用單個像素檢測器測量強度的相應值，並用於重建圖像計算。

大多數現有的用一個像素賠償運動的方法不適合動態場景，尤其是在復雜的背景和未知的移動對象的情況下。通常，它們可以通過減少每幀的測量數量或由於運動的預測而增加場景運動的數量來增加可視化框架的頻率。

研究人員接受了另一種方法，結合了運動組成部分的兩種策略。首先，他們使用一個帶有滑動窗口的樣品，該窗口將“帶有固定尺寸的窗口”通過圖像移動以識別重疊段，從而提高了幀速率。然後，他們使用兩個測量集對光流進行評估以預測像素運動。

最後，將高頻和低頻的測量值暫時排列在滑動窗口中，這會導致由運動引起的偽像顯著降低。

“由於光流模型的最新創新，尤其是在計算效率，預測的可靠性和準確性方面的提高，這項工作是可能的，”Y。

“此外，可視化領域的成就為我們方法的有效性提供了有力的基礎。

動作

研究人員評估了他們的方法，使用從公共汽車上移動的運動（例如公共汽車，沿著街道移動）進行對場景進行建模，從高處從公開可用的REDS數據組中進行了視頻，用於培訓的真實視頻序列的集合以及對計算機視覺模型的比較分析。

他們還用移動的物體進行了真實可視化的實驗，例如，在黑色背景下以不同速度移動的小狗的圖像。

研究人員發現，在所有測試的情況下，對運動的補償方法顯著提高了圖像質量並平滑視頻。

但是，他們指出，由於用於評估光流的低頻圖像的質量相對較低，該地區的某些偽像，例如光拉伸，發生在某些運動評估不准確的地區。

他們計劃依靠這項工作，使用一個像素開發通過顯示模型，從而減少在交通補償期間的過量計算。這將允許更快地了解動態場景。