一种监控摄像机信号检测的方法

    目前的工作涉及使用摄像头红外成像设备来测量非常小的温度变化，这与复合材料在相对较低的载荷下产生的热弹性效应有关。从以前的工作中可以看出，这种温度变化很难测量，因为它处于红外相机分辨率的边缘和/或受到仪器噪声的影响。相反，它们可能有助于获得有关材料特性及其在载荷下的行为的信息，或者评估分层的整体扩展。本文描述了一种图像后处理过程，该过程在参考信号的帮助下，允许抑制仪器噪声并更好地识别由干扰器负载引起的热特征。

 

    本发明提供了一种摄像机信号监测设备和方法，该摄像机信号监测装置包括：车辆监控信息输入单元，用于接收车辆的车速和横摆角速度信号；导航信息输入单元，接收在高精度地图中提供的道路曲率信号；摄像机信息输入单元，从车辆前部摄像机接收包括车速和横摆率信号的摄像机信号；以及监测单元，基于从车辆信息输入单元输入的车辆的车速和横摆率信号、或者来自导航信息输入单元的道路曲率信号中的至少一个来计算基准曲率值，以及通过将计算出的基准曲率值与使用从相机信息输入单元输入的相机信号计算出的曲率值进行比较来确定屏蔽器可靠性。深度去噪器在真实世界彩色照片上的成功通常取决于传感器噪声和相机信号处理（ISP）管道的建模。

    当测试图像的传感器和ISP管道与用于训练深度去噪器的传感器和ISP-管道不同时（即，噪声差异），监控摄像头性能将不可避免地下降。在本文中，我们提出了一种不成对的学习方案，以适应彩色图像去噪器来处理具有噪声差异的测试图像。我们考虑一个实际的训练设置，即预训练的去噪器、一组测试噪声图像和一组未配对的干净图像。首先，使用预先训练的去噪器为测试图像生成伪干净图像。然后建议伪ISP使用测试图像和伪干净图像对来联合学习伪ISP流水线和信号相关的rawRGB噪声模型。我们进一步将学习到的伪ISP和rawRGB噪声模型应用于清洁彩色图像，以合成逼真的噪声图像进行去噪自适应。伪ISP在合成逼真的有噪声sRGB图像方面是有效的，并且可以通过伪ISP训练和去噪器自适应之间的交替来提高去噪性能。实验表明，我们的伪ISP不仅可以增强简单的基于高斯模糊的去噪器，以实现与CBDNet干扰屏蔽器的竞争性能，而且可以有效地改进最先进的深度去噪器（如CBDNet和RIDNet）。