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