(uma), Para reconstruir o objeto invisível, algumas fontes de luz são usadas para iluminar uma parede visível. Os fótons que voltam do objeto são detectados em vários pontos da parede visível. (b), A verdade fundamental e nossa reconstrução. O x, Os componentes y e z são exibidos em seus valores absolutos. (c), Fluxograma do algoritmo. A estrutura de regularização proposta incorpora dispersão e auto-similaridade não local do objeto oculto, bem como suavidade do sinal. Dois dicionários ortogonais são usados para capturar as estruturas locais e as correlações não locais do alvo oculto. O sinal estimado e os padrões aprendidos do alvo são mostrados à esquerda. O albedo reconstruído é mostrado à direita. Crédito:Xintong Liu, Jianyu Wang, Zhupeng Li, Zuoqiang Shi, Xing Fu, Lingyun Qiu
A imagem fora da linha de visão (NLOS) visa recuperar objetos obscurecidos de luz dispersa múltipla. Recentemente, recebeu grande atenção devido às suas aplicações potenciais, como a direção autônoma, operações de resgate, e sensoriamento remoto. Em aplicações reais, lasers ou outras fontes de luz são usados para iluminar uma parede visível, a luz espalhada a partir da qual alcança o objeto oculto e é espalhada novamente. Os fótons coletados por detectores podem ser usados para recuperar a localização, forma, albedo, e normal do alvo. Contudo, as medições são inevitavelmente corrompidas com ruído, que é um dos maiores obstáculos para obter reconstruções de alta qualidade. Quando o ruído de medição é alto, os alvos reconstruídos com métodos existentes são geralmente barulhentos com limites borrados.
Em um novo artigo publicado em Ciência leve e aplicação , uma equipe de cientistas, liderado pelo Professor Xing Fu do Departamento de Instrumentos de Precisão, Universidade de Tsinghua, China, e o professor Lingyun Qiu do Centro de Ciências Matemáticas de Yau, Universidade de Tsinghua, China, desenvolveram uma estrutura unificada para reconstruções de NLOS de alta qualidade e robustas a ruídos. A técnica é baseada na regularização colaborativa do sinal e do objeto reconstruído, denominado como método de regularização colaborativa de objeto de sinal (SOCR).
Diferente de trabalhos anteriores que usam as medições brutas como dados de entrada diretamente, uma aproximação do sinal ideal é introduzida na estrutura SOCR. O termo de regularização projetado concentra-se na dispersão e na auto-similaridade não local do objeto oculto, bem como na suavidade do sinal estimado. Esta estrutura recém-desenvolvida é poderosa na reconstrução do albedo e da normal da superfície dos alvos ocultos sob as configurações gerais não confocais. As reconstruções obtidas têm estruturas locais claras, limites nítidos, e pouco ruído de fundo, mesmo na presença de ruído pesado em medições brutas. O método e técnica relatados abrirão novos caminhos para tarefas de reconhecimento e classificação na direção autônoma, operações de resgate, e sensoriamento remoto no futuro.
Esses cientistas resumem o princípio operacional de sua estrutura de reconstrução:
"Projetamos o termo de regularização colaborativa sob três suposições:(1) O alvo reconstruído é esparso no domínio de reconstrução; (2) As estruturas locais do objeto oculto se repetem muitas vezes no domínio de reconstrução; (3) O sinal correspondente ao reconstruído o alvo é bom. "
“O framework proposto também pode ser usado como um módulo plug-in em diferentes modelos físicos. Além disso, o termo de regularização colaborativa proposto pode ser ainda mais simplificado para acomodar casos em que apenas o albedo precisa ser reconstruído, "acrescentaram.
“No termo de regularização colaborativa proposto, dois dicionários são usados para capturar as estruturas locais e as correlações não locais da cena fora da linha de visão direta. Os átomos do dicionário e seus coeficientes correspondentes podem ser vistos como características do alvo reconstruído, que pode ser usado para outras tarefas, como reconhecimento e classificação em várias aplicações, "os cientistas previram.
