Bild-Demoiréing mit lernbaren Bandpass-Filtern

Die Bild-Demoiréierung ist eine vielschichtige Aufgabe der Bildrekonstruktion, die sowohl die Wiederherstellung von Texturen als auch von Farben umfasst. In diesem Artikel stellen wir ein neuartiges multiskaliges Bandpass-Faltungsneuronales Netzwerk (MBCNN) vor, um dieses Problem zu lösen. Als end-to-end-Lösung behandelt MBCNN die beiden Teilprobleme jeweils separat. Zur Wiederherstellung von Texturen schlagen wir einen lernbaren Bandpass-Filter (LBF) vor, der die Frequenzvorwissen für die Entfernung von Moiré-Texturen erlernt. Zur Farbrestaurierung entwickeln wir eine zweistufige Tonmapping-Strategie, die zunächst eine globale Tonmapping-Anpassung durchführt, um einen globalen Farbverschiebung zu korrigieren, und anschließend eine lokale Feinabstimmung der Farbe pro Pixel vornimmt. Durch eine Ablationsstudie zeigen wir die Wirksamkeit der verschiedenen Komponenten von MBCNN. Experimentelle Ergebnisse auf zwei öffentlichen Datensätzen belegen, dass unsere Methode die derzeit besten Ansätze deutlich übertrifft (um mehr als 2 dB im PSNR).