据外媒报道，由加利福尼亚大学洛杉矶分校Bahram Jalali教授和研究生Callen MacPhee领导的一组科学家开发出一种用于执行计算成像任务的新算法，并发表论文《VEViD：通过虚拟衍射和相干检测实现视觉增强》。该研究小组使用基于物理的算法来纠正在低光照条件下拍摄图像中的光照不均和低对比度问题。
图片来源：期刊《eLight》
在这种情况下，数字图像通常质量不佳，例如低对比度、特征损失和较差的信噪比。低光图像增强旨在提高这些质量，从而提高人类感知的视觉质量和提高计算机视觉算法的准确性。对于人类感知的视觉质量，实时处理可以实现方便查看；而计算机视觉算法的准确性是新兴应用的要求，例如自动驾驶汽车和安全性，其图像处理必须以低延迟完成。
该论文表明，物理衍射和相干检测可以用作数字图像和视频转换的工具箱。这种方法可实现新的强大算法，用于增强弱光和颜色。
与大多是手工制作的传统算法不同，VEViD算法可模拟物理过程。与基于深度学习的方法相比，这种技术的独特之处在于它源于确定性物理学。该算法可直接进行判断，不需要标记数据进行训练。论文作者表示，虽然映射到物理过程并不精确，但未来可能实现在模拟域中执行算法的物理设备。
该论文展示了VEViD在安全摄像头、夜间驾驶和太空探索等多种成像应用中的高性能，以及展示其执行颜色增强的能力。
通过以超过200帧/秒的速度处理4k视频，研究人员证明了该算法的卓越计算速度。与领先的深度学习算法相比，其图像质量相当或更好，但处理速度要快一到两个数量级。
首先通过VEViD处理图像允许在日光图像上训练的神经网络识别夜间环境中的物体，无需重新训练，从而使这些网络更加稳健，同时节省大量时间和精力。
