基于漫反射的被动非视域成像

非视域(NLOS)成像是一种综合成像和计算重构的技术,指在不直接拍摄场景的情况下通过获取介质上隐藏场景的散射或反射信息对其进行重建。目前的NLOS成像还处于早期发展阶段,场景模型、目标信息重建等尚无系统研究方法。为此,提出一种针对无遮挡、非自发光场景的NLOS成像方法。基于光辐射理论,分析该场景下漫反射面的成像与隐藏物体形状的关系,确定NLOS成像模型与重建目标。使用渲染软件结合运动图像专家组7(MPEG7)数据集,生成符合实际物理意义的漫反射被动非视域全影(DS-NLOS)数据集。构建被动非视域重建网络模型(Re-NLOS),采用视觉Transformer(Vi T)结构结合生成式对抗网络(GAN)提取采集的漫反射面图像的全局特征,并恢复隐藏物体形状。在DS-NLOS数据集上的实验结果表明,该方法能够从漫反射面上恢复隐藏物体的形状信息,在测试集20个类别的物体上的峰值信噪比(PSNR)和结构相似性(SSIM)相比漫反射面全影图像平均提高了5.85 d B和0.0381,对真实室内场景也具有一定的恢复能力。

被动非视域成像方法的研究进展

非视域(Non-Line-of-Sight,NLoS)成像是近十年来发展的一种新型计算成像技术,通过获取被隐藏场景在某些介质上产生的反射或透射信息,借助计算成像对隐藏场景重建,在反恐、救援、辅助驾驶、医疗技术等方面有巨大的潜在应用价值。非视域成像早期研究主要集中于主动式方法,近几年针对被动非视域成像的研究逐渐展开,文中则根据被动非视域成像方法的差异,针对基于光强度信息、光偏振信息、光相干性信息以及红外光谱信息四种不同的成像原理,对目前常见的被动非视域成像技术进行分析与总结,并对非视域成像技术未来的发展做出展望。