Исследователи из лаборатории фотоники и оптической обработки информации Института лазерных и плазменных технологий НИЯУ МИФИ предложили метод анализа шумовых характеристик цифровых камер, который по одному стандартному снимку обеспечивает точность, в единицы и даже десятки раз превосходящую существующие однокадровые подходы. Работа опубликована в международном журнале IEEE Access (Q1). Как пояснил доктор физико-математических наук Павел Аркадьевич Черёмхин, технология позволяет не только измерить общий уровень шума, но и разделить его на ключевые компоненты, что критически важно для тонкой настройки сенсоров и алгоритмов обработки изображений.
Проблема точного определения шумов стоит перед производителями камер и разработчиками фототехники давно. Существующие стандарты измерений, такие как EMVA 1288, требуют съемки десятков специальных тестовых сцен и последующей длительной обработки. Новый подход снимает это ограничение: вместо сотен кадров и многочасовых лабораторных процедур результат можно получить за считанные минуты, используя практически любой снимок — портрет, пейзаж или фотографию городского квартала. Наличие в кадре областей с равномерной яркостью, плавными и резкими перепадами освещения лишь повышает точность анализа.
Суть метода заключается в сегментации изображения на области с близкими уровнями яркости и последующей многодиапазонной аппроксимации полученной зависимости шума от сигнала. Каждая такая область соответствует определенному уровню шума, что позволяет построить профиль полного шума. Далее отбрасываются участки с недостаточной статистикой — глубокие тени и пересвеченные зоны. Оставшаяся зависимость разбивается на множество диапазонов, для каждого из которых решается уравнение, связывающее общий шум с тремя неизвестными параметрами: величиной темнового шума, неоднородностью фоточувствительности пикселей (световой пространственный шум) и константой пересчета цифровых единиц (световой временной шум). Финальные значения каждой компоненты находятся методом взвешенного усреднения с учетом коэффициентов достоверности, зависящих от размера участка, числа используемых пикселей и разброса значений.
Особую значимость работе придает тот факт, что метод впервые позволяет корректно оценивать параметр PRNU (Photo Response Non-Uniformity) — разницу в чувствительности отдельных пикселей матрицы — по одному снимку. Ранее для получения этого показателя требовалась съемка длительной серии однородных изображений. Проведенные оптические эксперименты с использованием камер разных типов, включая популярную беззеркальную камеру Canon EOS M100, подтвердили эффективность подхода. Если прежние однокадровые методы давали значительную погрешность, то новая разработка позволила радикально улучшить точность анализа.
Ограничения у метода есть, но они касаются лишь специфических случаев. Очень темные кадры, снятые с короткой выдержкой, пересвеченные изображения или файлы с малым числом пикселей позволяют достоверно определить лишь одну из компонент шума. Однако даже в этих ситуациях приблизительная оценка уровня шума оказывается точнее, чем в предлагавшихся ранее методах.
«В настоящее время число пикселей одного кадра цифровых камер составляет десятки и уже даже сотни миллионов, поэтому корректный учет такого огромного объема данных существенно повышает точность измерений. Анализ результатов как модельной работы фотокамер, так и реальной экспериментальной проверки на популярных типах камер подтвердил, что метод обеспечивает высокую точность оценок как полного шума, так и его отдельных компонент», — сказал П.А. Черёмхин.
Практическое значение разработки выходит за рамки лабораторных исследований. Зная точные шумовые характеристики сенсора, алгоритмы шумоподавления в смартфонах, системах видеонаблюдения и нейросетевой обработки изображений смогут эффективнее отделять шумовые компоненты от реальных деталей объекта. Это открывает путь к быстрой настройке камер для научных экспериментов и повышению качества съемки в условиях низкой освещенности.
Новость подготовлена при поддержке Министерства науки и высшего образования РФ
Источник изображения: Magnific
