基于投影补偿网络的图像增强方法研究

杨婷，雷清桦

（四川大学计算机学院，成都610065）

0 引言

在复杂的投影环境中，投影仪数量多，投影屏幕非平面，人眼看到的图像就不再是单纯的投影画面，而是由投影仪投射光和各种反射效应叠加的干扰光混合而成，导致投影显示图像降质退化，干扰了用户的沉浸感。国内某航空专业院校就曾因此现象造成安装的塔台模拟机无法投入实际教学使用的情况。这一问题不得到有效解决，将对系统的推广应用形成巨大阻力，成为该领域发展的障碍。因此，如何对投影图像进行补偿是一个需要迫切解决的重要问题。

通常，用光传输矩阵（Light Transport Matrix，LTM）描述场景内的全部光线传输，并把互反射补偿问题看作是一个矩阵求逆的问题来解决[1-6]。如果可以求出LTM的逆，就可以补偿输入，使投影后的观测图像与期望的图像相匹配。然而，LTM的获取是一个复杂的过程。现有的方法要求固定设备并进行光度标定。此外，LTM的尺寸巨大，由投影相机系统的分辨率决定，因此计算该矩阵的广义逆矩阵变得非常困难。因此为了得到适合于矩阵求逆的LTM，传统方法会缩小尺寸或简化矩阵。导致性能有限，很难应用到实际的大型沉浸式环境中。

图1 相机投影系统

在本文中，我们建立了一个相机投影显示系统（图1），并提出了一种新的神经网络，称为投影补偿网络（PCN），用于多投影的互反射补偿，以提高投影图像质量，效果如图2所示。首先，对摄像机采集的数据进行几何校正。其次，用这些数据训练PCN，使它能自动学习LTM的逆，从而对输入图像进行补偿。……