|
|
Image demosaicing using Deep Image Prior
Balušík, Peter
The paper focuses on the problem of image demosaicingusing the deep image prior. The deep image prior (DIP)is an uncommon concept that uses a generative neural networkwhich, however, utilizes only the degraded image as the inputfor training. A novel method for image demosaicing is proposed,based on DIP, and it is compared with common demosaicingmethods. In terms of the objective PSNR and SSIM values,the proposed method proved to be comparable with a widelyused Malvar’s demosaicing method. Nevertheless, subjectively,DIP produces demosaiced images comparable with the superiorMenon’s algorithm. Unfortunately, the proposed method turnedout to be computationally immensely challenging
|
|
|
RAW image debayerization using deep neural network
Balušík, Peter ; Myška, Vojtěch (oponent) ; Rajmic, Pavel (vedoucí práce)
This thesis focuses on the problem of demosaicing; specifically, demosaicing using deep image prior. Deep image prior (DIP) is a concept that uses untrained convolutional neural networks to solve common reconstruction problems, with the only input information being an image degraded in some way. The aim of this thesis is to find out whether the DIP is a viable method for demosaicing problems. A new demosaicing method based on DIP is proposed and compared with common demosaicing methods. Different color filer arrays (CFAs) were tested to see the full potential of the proposed method. A numerical comparison was made using a variety of assessment methods. Based on this comparison, the proposed method proved to be similar, in some cases even better than the widely used Malvar’s demosaicing method. Visually, the proposed method displayed similar results to the finest method in the experiments – the Menon’s demosaicing method. Additionally, averaging the last few images of the optimization process proved to bring positive results in terms of numerical comparison. Even though the proposed method brought some interesting results, it turned out to be extremely computationally challenging when compared with other common demosaicing methods.
|
|
|
Demosaicing as an ill-posed inverse problem
Mariničová, Veronika ; Šroubek, Filip (vedoucí práce) ; Hnětynková, Iveta (oponent)
Digitální fotoaparáty snímají barvu scény pouze částečně. Konkrétně je pro každý pixel naměřena jen jedna ze tří barevných komponent - červená, modrá, nebo zelená. Chybějící barevné komponenty musejí být odhadnuty. Tomuto procesu se říká Bayerova interpolace. Bayerova interpolace může být řešena samostatně jako jeden krok procesu restaurace obrazu. V tomto případě se může stát, že jakékoliv artefakty a chyby ve výpočtu se přenesou do dalšího kroku a mohou být v důsledku toho zvýrazněny. Druhou možností je pokusit se vyřešit několik degradací najednou. V tomto případě nežádoucí efekt přenášení chyby nenastává. V této práci popisujeme jedno konkrétní sdružené řešení, které vedle Bayerovy interpolace řeší i odstranění šumu, dekonvoluci a zvýšení rozlišení formou konvexního optimalizačního problému. Shrnujeme používané metody pro Bayerovu interpolaci a porovnáváme výsledky našeho řešení s několika vybranými metodami.
|
host ::
RSS.