深度递归卷积神经网络的偏振应用

衡量焦平面分割(DoFP)偏振相机插值算法好坏时,有两个备受关注的误差量:线性偏振度(DoLP)和偏振角度(AoP).将深度递归卷积网络(DRCN)插值算法引入到偏振相机的插值上来.DRCN插值算法是全卷积的一个网络.整个网络的卷积核大小为3*3,在高分辨率图像重建部分采用16层的卷积递归,减少了网络的训练参数数目.在文中给出了DRCN单幅图像的插值误差、DoLP以及AoP的插值误差,误差采用常用的均方误差根进行计算.并将DRCN算法与双三次插值进行比较,从4幅中的单幅图像插值效果来看,该算法插值误差比双三次插值的误差小.同时在计算出来的DoLP、AoP的插值误差上,该插值算法也要好于传统的双三次插值算法.文章中给出了定性的比较,利用两个不同分辨率的DoFP偏振相机对同一场景进行拍摄,可以看出DRCN插值后计算出来的DoLP比双三次计算出来的DoLP更加接近于真实的DoLP.