没有合适的资源?快使用搜索试试~ 我知道了~
偏振非视线成像技术的研究与应用
2136偏振非视线成像田中健一郎1、2向川康弘1、阿楚塔加丹比2、1日本奈良科学技术研究所2加州大学洛杉矶分校(UCLA)美国{ktanaka,mukaigawa}@achuta@ee.ucla.edu is.naist.jp摘要提出了一种利用极化信息的无源非视距成像一个关键的观察结果是,倾斜光具有不同的偏振信号。事实证明,这种效应是由于偏振轴旋转,这种现象可以用于更好地调节非视线成像的光传输矩阵我们的分析和结果表明,使用偏振NLOS既是一个独立的技术,以及增强技术,以提高其他形式的被动NLOS成像的结果。我们做出了令人惊讶的发现,尽管来自偏振光学器件的光衰减为50%,但是来自偏振NLOS的增益总体上优于非偏振NLOS。1. 介绍非视线成像是计算成像领域的一个目标是可视化隐藏在摄像机视线之外的场景“四处张望”几个现有的工作已经解决了这个问题,使用的方法范围从(a)飞行时间成像[49,22,33,37,32,35,46,6,17,11,52,47,36,2];(b)波动光学[25,12,11,52];(c)shadows [5,44,53,3,43];甚至(d)机器学习[42,10,8]。本文采取了不同的策略,提出使用极化线索重新检查NLOS问题。特别感兴趣的是被动NLOS成像,其中一个是无法控制的探测照明。这种有限的可编程控制使得场景重建非常具有挑战性-与主动NLOS相比,现有的被动NLOS方法[39]现有被动NLOS方法中的这种为了获得更好的恢复,以前的工作旨在减少光传输矩阵的条件数。例如,通过在场景中放置部分遮挡器来创建高频阴影[39]。我们的方法类似于被动NLOS中的先前方法,但我们首次尝试使用(线性)偏振线索来改善光传输矩阵的调节。我们的方法通过理想地将相机放置在布鲁斯特偏振角处来在光传输矩阵中产生高频变化。在这个角度下,反射光是线性偏振的,可以通过偏振器进行分析。我们还发现,偏振器的阻断轴的变化取决于倾斜的视角和改变的强度。我们把这种效应称为起偏器的有效角。我们在论文中表明,这种倾斜的观察证明改变了光传输矩阵的条件。此外,这些极化的益处可以应用于被动NLOS的多种配置。例如,偏振可以用于增强基于遮挡器的被动NLOS或直接被动NLOS成像。总之,我们做出以下贡献:• 将偏光片的有效角理论引入计算机视觉领域。偏振器• 我们证明了偏振线索能够改善无源NLOS成像的光传输条件,而无需场景修改;• 我们证明,相同的极化线索也改善其他被动NLOS的方法,包括那些使用部分遮挡。范围:虽然偏振是用于NLOS成像的新信号,但被动NLOS(偏振增强后)的质量无法接近主动方法的质量,主动方法已被证明可获得极高保真度的重建。然而,我们的极化增强从根本上比我们在这里提出的结果更普遍。未来的扩展详细说明了如何提出的技术可以适用于主动NLOS成像,涵盖在附录中。21372. 相关工作在这一节中,我们简要回顾了非视线成像的相关工作。关于NLOS成像的更全面综述,读者可参考[27]。主动NLOS成像。Raskar和Davis在主动时间分辨成像的背景下首次提出了NLOS成像[38]。后来的工作通过使用飞行时间成像仪,特别是条纹相机[49,48,22,33],调幅连续成像仪,在实验上证明并在理论上发展了这些想法。波相机[16,20,19],和单光子雪崩二极管(SPAD)和SPAD相机[37,32,35,46,6,17,11、52、47、36、2]。存在执行不需要时间分辨信息的主动NLOS成像的其它方法。例如,相干光源揭示了被遮挡的线索[4]。物体运动也可以通过散斑[40]或基于合成的方法[23]来最近的工作已经使用标准RGB相机和激光源来实现主动NLOS [10]。Ding等[13]分析偏振光反射,以分离LOS壁上的镜面反射和漫反射。虽然主动照明增加了场景信息,但我们选择专注于增强无源NLOS成像的性能较低但更灵活的配置。被动非视距成像目前对被动非视距成像这一难题的研究较少。一个很有前途的方法是使用阴影和角落。Bouman等人[5]使用角落的高频细节来跟踪被遮挡的场景(这项工作部分受到意外针孔相机的启发[44])。在[39,53,15]中提出了对此的扩展,其中在墙壁和NLOS场景之间放置了部分障碍物。一种正交的方法是拍摄拐角处的热场景。在这里,热量由人体被动地发射,这将NLOS问题简化为1次反弹反射,从而能够实时地实现人体的高质量视频[28,21]。我们的技术是互补的,因为偏振可以提高上述大多数方法的质量。非视线成像的可恢复性取决于许多因素。Kadambi等人[20]提出了NLOS成像空间分辨率的第一个界限Liu等[24]分析基于SPAD的NLOS成像的特征可见性Saun-ders等人[39]利用视距墙和障碍物的尺寸分析了非视距成像的孔径。Pediredla等人[36]提出了使用椭圆投影的时间聚焦。在本文中,我们遵循以前的技术的结构,分析如何通过使用偏振线索的光传输矩阵的条件数是有利的修改图1:问题的几何图形。摄影机正看着墙,场景点在摄影机的视线之外。在微刻面模型上,每个反射路径可以被认为是镜面反射的总和,因此偏振被保留。偏振线索偏振线索可用于3D几何恢复[18,31,51,9,26]和通过散射介质成像[45,41,14]。我们首先使用极化线索增强被动NLOS成像。在LCD开发领域,偏光板从倾斜视角的漏光是一个主要问题[54,34]。虽然他们的目标是消除这种影响,我们带来了这种影响,以改善NLOS成像问题。3. 光传输:无源NLOS成像假设摄像机指向视线(LOS)墙,场景对摄像机是非视线(NLOS),如图所示。1.一、不失一般性,我们认为NLOS场景是一组点光源。然后,壁贴片c处的强度I(c)由下式给出:∫∫I(c)=T(s,c)I(s)ds,(1)s∈S其中s是场景S中的点,l(s)是场景点s的强度,并且T(s,c)是从场景点s经由墙壁贴片c到相机的光传输。该模型可以离散为i=T1,(2)其中,i是矢量化的观测值,T是光传输矩阵,并且l是矢量化的场景强度。如果光传输矩阵是已知的或可生成的,则NLOS强度可以通过最小二乘意义估计为n=T+1,(3)其中T+是T的伪逆矩阵。解这个线性方程组的稳定性取决于矩阵的条件数有多小。以前的方法的一个关键目标是改善方程的条件。(三)、墙补片Q微面元偏振器反射平面2138百分之十二有效角百分之十百分之八占方位0%的百分比轴线以前的方法条件方程。(3):也许减少条件数的最简单方法是使用良好的双向反射分布函数(BRDF)。一个平凡的例子是镜子,它使最低的条件数,因为光传输矩阵是一致的。一个相反的例子是漫反射墙,它会产生一个非常大的条件数,因为单个光源会影响所有相机像素。使用具有镜面反射性的其他材料的条件是在镜子和漫射壁之间,因为它们以某种方式保留了高频分量。关于这个问题的讨论可以在[20]中找到。另一种改善条件反射的方法是在场景中放置障碍物Saunders等人[39]在摄像机和墙壁之间放置一个任意的障碍物来阻挡光线。这使得墙壁上的阴影,其中包含高频信息。欲了解更多细节,读者可以参考使用障碍物的论文[39,53,15]。这两种方法都可以修改场景。4. 光传输:偏振NLOS成像我们的目标是最大限度地减少修改的场景条件方程3使用偏振。因此,我们只在相机侧使用偏振器。该方法还能够调节使用部分遮挡物的现有方法。如果将部分遮挡物放置到场景是可容忍的,则结合现有方法和所提出的方法进一步改进了条件通过在相机前面放置偏振器,光路的小角度差产生大的强度变化,因此与没有偏振器的正常观察本文的一个关键观察换句话说,(a) 俯视图(b)斜视图(c)俯视图(d)斜视图 (e)泄漏模式图2:偏光片的斜视图。虽然LCD显示器从顶视图(a)不可见,但从某些倾斜视图(取决于天顶角和方位角)可略微看到(b)。(c)偏光镜从顶视图的原始角度。(d)斜视的有效角度。偏振器轴略微倾斜。(e)从斜视角观察正交偏光片的漏光图样。这些偏振器ray.图2(a,b)显示了同一场景的俯视图和斜视图。虽然来自LCD的光在顶视图上被阻挡,但即使偏光器被交叉放置,从斜视图也可以略微看到LCD的内容。这种效应是角度相关的,因此它可以用来分析NLOS观测。由于偏振器的有效角度由于光线的方位角和天顶角而改变,因此发生光泄漏。根据几何计算1,来自入射光视点的有效角θ′表示为垂直光线被阻挡,而倾斜光线通过偏振器。在下面的部分中,我们揭示了偏振光传输是如何在tanθ′=−cos(z)tan(θ−a)、(四)被动非视距成像极化NLOS场景如果NLOS场景本身是极化的,那么我们可以利用交叉极化效应来进一步改进NLOS问题。更多细节参见补充材料。4.1. 起偏器有效角我们引入了偏振器的有效角,这在LCD开发领域得到了很好的研究[54,34]。当光线倾斜于偏振器时,即使两个线偏振器交叉放置,光也会“泄漏”。这其中θ是原始偏振器从顶视图看偏振器由于θ′是偏振器和偏振光之间的角度,因此它在0和π/2之间。图2(c-e)示出了偏振器的原始角度和有效角度以及交叉偏振器的光泄漏图案。这种模式可以用来改善NLOS成像。4.2. 粗糙表面现在,我们考虑粗糙表面上的偏振光输运模型。在本文中,我们采用了粗糙表面的微刻面模型,如图1的插图所示。是因为偏振器的有效偏振轴取决于入射光的方位角和天顶角1有关更多详细信息,请参阅补充材料。2139ω=,iω=,0二、ΣFig.1.将光源反射到相机的每个小平面的表面法线与观察和照明矢量的半矢量相同。因此,从场景点s经由墙壁贴片c到相机的光传输T(s,c)被表示为:T(s,c)=<$(ωi,ωo)λ(ωi,ωo,q),(5).视线墙光源相机实际观察布鲁斯特角s偏振只在这个表面上s-cs −co−cǁo−cǁ2其中λ是粗糙表面的BRDF,ωo是可见光矢量r,ωi是入射光矢量r,o是摄像机位置,λ是由于偏振器引起的光泄漏/阻挡效应,q是偏振器偏振器通过引入泄漏项λ对光输运进行调制,对光输运矩阵进行了改进。当我们假设微刻面模型时,每个刻面上的反射可以被建模为菲涅耳反射。已知菲涅耳反射是部分偏振的,并且s和p偏振分量Rs和Rp的反射率可以表示为图3:布鲁斯特角几何形状。放置照相机使得光路处于布鲁斯特角,只有一个方向偏振(s偏振分量)被反射到照相机。因为没有来自p偏振的影响,所以可以仅使用相机前面的偏振器来观察光泄漏图案。 右图是对非偏振点光源反射的实际观察。其中q是偏振器tan2(φ−φ′)Rp(φ)=tan2(φ+φ′),(6)sin2(φ−φ′)Rs(φ)=sin2(φ+φ′),(7)φ′= sin−1sin(φ),(8)η其中φ是入射角,φ′是折射角,并且η是壁的折射率当入射和反射角为布儒斯特角时,反射光是完全线偏振的。这是因为p偏振的反射率变为零。通过把相机在布鲁斯特角附近的位置,如图所示3、可以获得高度偏振的观察结果,因此可以用相机前面的偏振器来分析观察结果在摄像机前放置一个偏光镜,与现有方法相结合 偏振 光传输可以与现有的方法相结合,例如在场景中放置部分遮挡器[39]。在这种情况下,光传输矩阵变为T(c,s)=T′(c,s)λ(ωi,ωo,q),(10)其中T′是现有方法的光传输矩阵同样,不同之处在于λ的存在,这改善了光传输矩阵的条件数4.3. 其他因素极 化 场 景 虽 然 大 多 数 NLOS 场 景 是 unpolarized , 在NLOS场景极化的罕见情况下,我们的方法是非常有利的考虑到如果场景是偏振的,例如LCD监视器,则Eq.(9)可以改写为偏振反射在特定光路处被阻挡,导致观察到光泄漏图案。因为来自相邻壁点的其他光路是倾斜的λ(ωi,ωo,q)=IpRp(θh)cos(θ′)+IsRs(θh)sin(θ′),(十一)在偏振器的阻挡轴上,可以观察到泄漏图案,如图3右边所示。3 .第三章。泄漏模式λ可以被建模为λ(ωi,ωo,q)=Rp(θh)cos(θ′)+Rs(θh)sin(θ′),(9)θh=1cos−1(ωo·ωi)其中Ip和Is是场景的p和s偏振分量的强度。这里,可以将偏振器放置在偏振分量之一变为零的角度处。因此,不存在使捕获设置定向到布鲁斯特角的限制,如在我们已经在上面描述的一般情况下。我们在此θ′=tan−1cos(z)tan(θ−a)在补充讨论,并显示结果。z=cos−1(−ωonp)θ−a= cos−1(−wq)为什么不旋转偏光镜?这篇文章依赖于tak-在90度(平行)处从偏振滤波器读取1个图像,w=o p−2140ωo+cos(z)n p<$2LEL到反射平面)。一个自然的问题是,2141相同曝光............归一化............0 45 84 86 88 90 92 135图4:与旋转偏振器的比较。 上行是相同曝光时间的捕获图像,并且较低的图像在每个最大值处被归一化。光线完全被偏振器阻挡的暗带是一个关键的观察结果,只出现在90度左右。独立带部分封堵器W/O旋转单个多Cond. num.172.3170.6146.1113.9百分比–百分之九十九百分之八十四点八百分之六十六点一表1:条件编号比较。 比较了无偏振器、旋转偏振器、单摄像机位置的交叉偏振器和多摄像机位置的交叉偏振器的我们的方法具有最低的条件数。视线墙反射平面摄像机光源障碍墙W/O偏振器w/偏振器摄像机1摄像机2是较低的,可能的非极化的意见。为了克服水平方向上的微小变化,可以从多个摄像机位置捕获场景,从而能够捕获垂直反射平面,如图1所示。5(b)。5. 仿真我们的模拟验证了偏振泄漏可以用来改善光输运(a)横向观测(b)多重观测图5:相机位置和反射平面。 (a)使用单个相机位置,在图像中仅编码一个方向。水平方向的强度方差没有得到改善。(b)使用多个相机位置,场景可以通过多个方向编码。滤光器可以旋转以拍摄多张照片。由于我们依赖于泄漏模式,因此捕获多个图像几乎没有好处,因为在90度以外的角度处偏振图像的变化是微妙的,而捕获努力线性增加 非常具体地说,使用偏振器的关键改进来自图像中的“暗带”,如图所示。4.第一章图4显示了观察图像,而旋转偏振器和没有偏振器。光线被阻挡的暗带只出现在90度左右,而其他角度看起来与没有偏振器的图像相似。多个摄像机位置泄漏图案平行于反射平面出现。图5(a)显示了墙壁的实际测量,其中场景是点光源。垂直方向上的光强变化较大,因此垂直信息得到较好的保留.另一方面,水平强度方差矩阵条件数通过检验光传输矩阵的条件数,证实了该方法的有效性。较低的条件数给出较好的恢复质量。摄像机和光源放置在距离墙壁10厘米处。图像为7×7像素,场景为3×3像素,因此矩阵为49×9。光源被放置在一个平面上并且不偏振。对于一个单一的图像观察,图的几何形状 5(a)被选择,并且对于多个相机设置,图5(a)的几何形状被选择。5(b)使用。每个设置的条件编号汇总在表1中。我们的方法具有最小的条件数,表明约两倍的可恢复性的潜力。同样,我们也展示了在同一个表中存在部分遮挡物的情况。我们通过模拟观察到,使用偏振器也改善了条件数。改进w.r.t.壁面粗糙度这种方法的有效性取决于墙的类型。为了证实这一点,在条件数的改善进行评估,同时改变壁面粗糙度。粗糙度从0(镜面)更改为1(完全漫反射)。条件数和改善率的曲线如图所示。六、对于所有的粗糙度参数,它是观察到的偏振线索改善的条件数。照相机2反射平面2照相机1反射平面1W/O旋转单个多Cond. num.686.8486.3357.0327.9百分比–70.8%52.0%47.7%214221000无部分遮挡器的偏振NLOS800偏振器视线墙屏幕60040020000.0 0.2 0.4 0.6 0.8 1.0粗糙度布鲁斯特摄像机角度投影仪(for数值评价)图6:与壁粗糙度相关的条件编号。越低越好。粗糙度范围为0(镜面状)至1(漫射状)。我们的方法具有最低的条件数的所有粗糙度参数。尽管单个和多个摄像机的图看起来相似,但我们观察到多个摄像机设置总是略好于单个摄像机设置。当粗糙度降低时,墙壁变得像镜子一样,并且使用偏振器没有改善,因为NLOS场景最初是可见的。在镜面反射和漫反射的中间观察到最佳性能,其中许多材料具有这种镜面反射[30]。6. 实验真实实验与仿真结果一致:极化改善了NLOS图像重建。对于所有以下实验,我们使用ADMM求解Eq.(2)由一个带箱约束的二维全变差正则化子组成。为了清楚起见,我们估计l=argmin图7:不使用封堵器的偏振NLOS结果。投影仪用于数值评估和使场景非偏振。在相机前面有和没有偏振器的情况下恢复场景利用偏振的方法,恢复的图像得到了改善。通过比较条件数和三种图像测量方法,证实了改进LS. t.0≤l ≤1。因为这是一个凸优化问题,所以可以在多项式时间内对于所有情况,壁的BRDF都是预先测量的。极化NLOS首先,我们评估极化NLOS无部分遮挡。对于非偏振场景的数值计算,采用投影仪投影场景图像.图7显示了设置和结果。两个图像进行了比较,在相机前面的偏振器和没有。如果不使用偏光镜,则很难看到投影的场景,但使用偏光镜,场景是可见的。我们还放映了更多的图像,这些图像可以在补充材料中找到 。 下 表 显 示 了 结 果 的 数 值 评 估 。 峰 值 信 噪 比(PSNR),零均值归一化互相关(ZNCC)和结构相似性(SSIM)的使用。确认如果使用偏振,则对于每个图像度量,条件数减小并且恢复的图像得到改善。偏振NLOS w/部分遮挡反射obstacle在这里,我们表明,偏振NLOS也可以增强现有的技术。 如图8左上角,我们重现了Saunders等人的部分封堵器方法。[39 ]第39段。在这个实验中恢复了反射物体场景,并通过偏振增强。图8示出了设置、目标对象、通过现有方法的恢复结果以及通过偏振的增强结果目标物体由不受控制的光源照亮。在基线法的结果中,很难看到分辨率图和书中的内容。另一方面,我们的技术恢复具有更高对比度的图像。清晰的分辨率图和印刷材料的纹理细节可视化。观察到的图像为160 ×100像素,w/o偏振器旋转偏振器交叉,单摄像机交叉,多摄像机视线墙偏振器相机封堵器场景条件数极化增强基线场景基线偏振增强条件数29612012PSNR6.7分贝7.3分贝ZNCC0.450.65SSIM0.250.2821438.2分贝10.6分贝9.7分贝10.0分贝13.0分贝10.7分贝用于反射物体的具有部分遮挡器的偏振NLOS图8:反射对象的结果。左上角:实验的设置。场景是一个反射对象(不是自发光的). 第一行:目标物体的照片。第2行:通过基线方法恢复的图像[39]。底行:通过我们的方法恢复的图像恢复高频细节清晰的分辨率图表细节,苹果的锐利PSNR值的计算与单应变换的照片作为参考。场景是56×40像素,因此矩阵是16000×2240。曝光时间为5秒。解决Eq的处理时间(12)大约需要1.5秒。我们的方法在定量和定性上改进了重建。我们在增刊中提供更多样化的场景。将我们的增强与图像处理进行比较一个有趣的问题是,我们获得的性能改进是否可以通过将图像后处理算法应用于传统的NLOS(无偏振)来实现。图9示出了投影图像的结果,并且还包括应用图像后处理的结果。这种情况下的基线方法是[39]。在这里,使用了全变差(TV)去噪算法[7]2和深度学习图像处理器(神经增强)[1]。虽然通过后处理改善了图像,但是不可能恢复在壁反射上丢失的较高频率分量,因为恢复丢失的信息在数学上是不可能的。另一方面,我们的方法恢复了较高的频率细节,这是由偏振光传输保存。PSNR、ZNCC和2我们尝试了几种去噪算法,并报告了最好的比较(电视去噪)。SSIM值显示显著改善。7. 讨论总之,本文有两个令人惊讶的发现。第一个令人惊讶的发现是,极化NLOS具有优于普通NLOS的结果这一发现是一个惊喜,因为最初我们不确定是否有任何方法可以克服使用偏振滤光片固有的50%光损失我们持谨慎乐观的态度,因为这份文件已经大大超过了收支平衡点。第二个令人惊讶的发现是,我们的极化论文实际上并没有利用极化滤波器的旋转角度。相比之下,我们使用泄漏的原则,观察时,一个观察离轴液晶显示器。我们的方法并非没有假设,虽然我们的实际结果证实了我们的假设的有效性例如,我们假设壁保持极化。这适用于许多粗糙的表面,尽管对于某些表面,信号可能是微妙的。具体地,具有主导次表面散射的壁(诸如塑料和石膏)可能更具挑战性,因为失去了极化特性,即,由于菲涅耳反射引起的偏振比在未来,我们可能会寻求视线墙偏振器部分封堵器场景相机封堵器9.8分贝7.6分贝10.6分贝8.4分贝极化增强基线目标对象极化增强基线目标对象2144=,则ωoc=,2结合偏振滤波器的旋转和角度效果,其中前者已被证明是3D场景几何形状的驱动力[18]。此外,我们还可以利用偏振事件相机[29,55,50]来识别细微信号。总之,我们相信,尽管有50%的光损失,偏振可以增强一大片的NLOS成像方法。如附录中所示,所提出的方法也可以推广到主动非视线成像技术。我们希望这篇论文能激发人们对使用偏振作为NLOS成像中的附加工具的兴趣。附录:关于主动NLOS成像继之前的工作[2,16,35,22,49]之后,使用飞行时间测量的主动NLOS成像可以建模为极化NLOS与后图像处理i(t;p,c)=∫∫∫s∈Sρ(s)δ(δs−px+δ s−cx−ct)s−p<$(ωil,ωol)<$(ωic,ωoc)ds,(13)ωils-ps −po−pωol=ωic=s-c,s−c阿罗克ǁo−cǁ2其中,i(t;p,c)是通过用脉冲光照射壁片p而在壁片c处的时间瞬态观测,ρ是3D NLOS Δ d 0,δ是狄拉克δ函数,c是光速,并且Δd 0是LOS壁的BRDF。离散化,我们得到图9:偏振NLOS超过了传统NLOS的图像处理质量。部分封堵器极化NLOS比较了基线法[39]、电视去噪法[7]、神经网络图像增强法[1]和本文方法的结果i=Tρ,(14)其中,T是主动NLOS模型的光传输矩阵,ρ是矢量化NLOS模型。类似于被动的情况下,当我们把一个偏振器在前面的相机,方程。(13)变更为i′(t;p,c)=∫∫∫s∈Sρ(s)δ(δs−px+δ s−cx−ct)s−p决议粗中度密集密集密集<$(ωil,ωol)<$(ωic,ωoc)λ(ωic,ωoc,q)ds,(15)其中光传输由泄漏项粗糙度中度中度闪亮中度扩散λ。注意,主动光源的偏振状态被忽略,因为光被假设为在NLOS场景反射处被去偏振。仿真通过仿真验证了极化NLOS对主动NLOS成像图10示出了光传输矩阵的条件数随场景配置(包括壁面粗糙度参数和NLOS场景的空间分辨率)的变化对于所有配置,偏振线索改善了主动NLOS成像的调节。图10:活动NLOS的条件数。比较了活动设置的条件数空间分辨率κ和壁使用偏振线索,条件数在多个场景配置的活动设置中得到改善。鸣谢本工作得到了JSPS Kaken JP 18H03265的部分支持 。 Achuta Kadambi 获 得 了 NSF 研 究 启 动 奖 ( IIS1849941)和Sony Imaging的青年教师奖。空间] 场景增强 增强[1][7]第七话 基线[32[32]第七届全国政协副主席[1]峰值信噪比SSIM7.2 dB 8.8 dB 8.4 dB11.7 dB0.610.870.310.432145引用[1] 神经增强,访问日期:2019年11月13日。https://github.com/alexjc/neural-enhance网站。七、八[2] Byeongjoo Ahn、Akshat Dave、Ashok Veeraraghavan、Ioan-nis Gkioulekas和Aswin C.桑卡拉纳拉亚南一般非视线成像算子的卷积近似。在IEEE计算机视觉国际会议上,2019年10月。一、二、八[3] 放大图片作者:ManelBaradad,VickieYe,AdamB. 作者声明:William T.作者:Gregory W.沃内尔和安东尼奥·托拉尔巴。从阴影推断光场。2018年IEEE/CVF计算机视觉和模式识别会议,第6267-6275页,2018年6月。1[4] Andre Beckus,Alexandru Tamasan和George K.阿蒂亚多模态非视线被动成像。arXiv,第1-10页,2018年。2[5] 凯瑟琳湖放大图片放大图片放大图片作者:FredoDurand Wornell,Antonio Torralba,and William T.弗里曼 。 将 拐 角 转 换 为 摄 像 机 : 原 理 与 方 法 。IEEEInternational Conference on Computer Vision , 第2289-2297页。IEEE,2017年10月。一、二[6] Mauro Buttafava、Jessica Zeman、Alberto Tosi、KevinEli- ceiri和Andreas Velten。使用时间选通单光子雪崩二极 管 的 非 视 线 成 像 。 Optics Express , 23 ( 16 ) :20997,2015年8月。一、二[7] 安东宁·钱博尔全变差最小化的一种算法及其应用。Journal of Mathematical Imaging and Vision , 20 : 89-97,2004。七、八[8] Sreenithy Chandran和Suren Jayasuriya。用于数据驱动的非视线3d定位和对象识别的自适应arXiv,May 2018. 1[9] Tongbo Chen,Hendrik P A Lensch,Christian Fuchs,and Hans Peter Seidel.用于半透明物体3D扫描的偏振和相移。在IEEE计算机协会计算机视觉和模式识别会议上,2007年。2[10] 陈文正、西蒙·丹诺、法希姆·曼南和费利克斯·海德。稳态非视线成像。在IEEE计算机视觉和模式识别会议上,第6790-6799页IEEE,2019。一、二[11] David B.林德尔,戈登·韦茨斯坦,马修使用快速f-k偏移的波基非视线成像。ACM Transactions on Graphics,38(4):116,2019。 一、二[12] David B. Lindell,Gordon Wetzstein,and Vladlen Koltun.声学非视线成像。在IEEE计算机视觉和模式识别会议,2019。1[13] Yitian Ding,Ronan Kerviche,Amit Ashok,and StanleyPau.用偏振反射光测量显示器件的衰减。应用光学,57(19):5483-5491,2018。2[14] 七 月 在 法 德 , Sw apneshPanigrahi , Anthon yCarre' ,Ludo vicFrein,Cyril Hamel,Fabien Bretenaker,HemaRamachan- dran和Mehdi Alouini。通过雾的远距离偏振成像。Applied Optics,53(18),2014. 2[15] 放大图片作者:Felix Heide,Matthew O'Toole,KaiZang,David B. Lindell,Steven Diamond,and GordonWetzstein. Non-line-of-sight使用部分遮挡物和表面法线成像。ACM Transactions onGraphics,38(3):1-10,2019年5月。二、三[16] Felix Heide , Lei Xiao , Wolfgang Heidrich , andMatthias B.胡林漫反射镜:使用廉价的飞行时间传感器从漫射间接照明进行3D重建。在IEEE计算机视觉和模式识别会议上,2014年。二、八[17] Julian Iseringhausen和Matthias B.胡林使用高效瞬态渲染的非视线重建。arXiv,2018年9月。一、二[18] Achuta Kadambi、Vage Taamazyan、Boxin Shi和RameshRaskar。Polarized 3D:高品质深度感应与Polarization线索。在IEEE计算机视觉国际会议上,第3370-3378页。IEEE,2015年12月。二、八[19] Achuta Kadambi,Refael Whyte,Ayush Bhandari,LeeStreeter,Christopher Barsi,Adrian Dorrington和RameshRaskar。飞行时间摄像机编码:稀疏反卷积解决多径干扰和恢复时间分布。ACM Transactions on Graphics ,32 (6 ): 1-10 ,Nov2013. 2[20] Achuta Kadambi,Hang Zhao,Boxin Shi,and RameshRaskar. 使 用 飞 行 时 间 传 感 器 进 行 遮 挡 成 像 ACMTransactions on Graphics,35(2):1-12,Mar 2016.二、三[21] Masaki Kaga ,Takahiro Kushida,Tsuyoshi Takatani,Kenichiro Tanaka , Takuya Funatomi , and YasuhiroMukaigawa.使用漫反射和镜面反射的热非视线成像。IPSJ Transactions on Computer Vision and Applications,11:1-6,2019。2[22] Ahmed Kirmani , Tyler Hutchison , James Davis , andRamesh Raskar.利用超快瞬态成像技术观察周围的角落 。 International Journal of Computer Vision , 95(1):13-28,2011年6月。一、二、八[23] Jonathan Klein,Christoph Peters,Jaime Mart´ın,MartinLau- renzis,and Matthias B.胡林使用2D强度图像跟踪视线外的物体。科学报告,6(1):32491,2016年10月。2[24] 刘晓春,塞巴斯蒂安·鲍尔,安德烈亚斯·维尔滕。非视线测量中特征可见性的分析。在IEEE计算机视觉和模式识别会议上,第10140-10148页2[25] XiaochunLiu , Ibo'nGuille'n , MarcoLaManna ,JiHyunNam , Syed Azer Reza , Toan Huu Le , AdrianJarabo,Diego Gutierrez,and Andreas Velten.使用相量场 虚 拟 波 动 光 学 的 非 视 线 成 像 。 Nature , 572(7771),2019. 1[26] 作 者 : Tomohiro Maeda , Achuta Kadambi , YoavY.Schechner和Ramesh Raskar。动态外差干涉测量法在IEEE计算摄影国际会议上,第1-11页。IEEE,2018年5月。2[27] Tomohiro Maeda 、 Guy Satat 、 Tristan Swedish 、Lagnojita Sinha和Ramesh Raskar。拐角周围成像的最新进展。arXiv,2019年10月。2[28] Tomohiro Maeda , Yiqin Wang , Ramesh Raskar , andAchuta Kadambi.热非视线成像。在IEEE国际计算摄影会议上,第1-11页IEEE,2019年5月。22146[29] Nathan Matsuda Oliver Cossairt和Mohit Gupta运动对比3D扫描。2015年2147计算机摄影会议,第1IEEE,2015年。8[30] Wojciech Matusik,Hanspeter Pfister,Matt Brand,andLeonard McMillan.数据驱动的反射率模型。ACM图形学报,22(3):759- 769,2003年。6[31] 宫崎大辅和池内克史。逆偏振光线跟踪:估计透明物体的表面粗糙度。在IEEE计算机协会计算机视觉和模式识别上,第2卷,第910IEEE,2005年。2[32] 作 者 : GabriellaMusarra , Ashley Lyons , EnricoConca , Yoann Alt- mann , Federica Villa , FrancoZappa,Miles J.帕吉特和丹尼尔·法西奥。单像素摄像头的非视线3D成像arXiv,2019年3月。一、二[33] Nikhil Naik , Christopher Barsi , Andreas Velten , andRamesh Raskar.漫射器遮蔽场景反射率的时间分辨重建。在华盛顿特区的CLEO2013.OSA 一、二[34] Seung Won Oh,Ahn Ki Kim,Byung Wok Park和TaeHoon Yoon。消除面内切换液晶显示器中离轴光泄漏的光学补偿方法Journal of Information Display,16(1):1二、三[35] 放大图片作者Lindell和Gordon Wetzstein。基于光锥变换的共焦非视线成像。自然,555(7696):338-341,2018年3月。一、二、八[36] AdithyaPediredla、AkshatDave和AshokVeeraraghavan。Snlos:通过时间聚焦的非视线扫描。IEEEInternationalConferenceonComputationalPhotography,第1-13页。IEEE,2019年5月。一、二[37] Adithya Kumar Pediredla , Mauro Buttafava , AlbertoTosi,Oliver Cossairt,and Ashok Veeraraghavan.使用光子回波重建房间:基于平面的拐角环视模型及重建算法.在IEEE计算摄影国际会议上,第1-12页。IEEE,2017年5月。一、二[38] 拉梅什·拉斯卡和詹姆斯·戴维斯5D时光传输矩阵:关于场景属性,我们可以推断出什么?麻省理工学院技术报告,2008年。2[39] Charles Saunders , John Murray-Bruce , and Vivek KGoyal.普通数码相机的计算潜望镜Nature,565(7740):472-475,Jan 2019. 一二三四六七八[40] 布 兰 登 ·M 作 者 声 明 : John W. Smith , MatthewO'Toole,Mohit Gupta.使用散斑成像跟踪视线外的多个对象。 在IEEE计算机协会计算机视觉和模式识别会议上,第6258- 6266页。IEEE,2018年6月。2[41] 田中健一郎,向川康弘,松下康之,八木康.使用平行高频照明的透射式物体的去散射。在IEEE InternationalConference on Computational Photography , 第 96-103页,2013年4月。2[42] Matthew Tancik Guy Satat和Ramesh Raskar用于数据驱动的隐藏场景恢复的FlasharXiv,2018年10月。1[43] 放 大 图 片 作 者 : Christine Thrampoulidis , GalShulkind,Feihu Xu,William T.作者:Jeffrey H.放大图片创作者:George W.C.Wong,and Gregory W.沃内尔利用非视线主动成像中的遮 挡 。 IEEE Transactions on Computat
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功