Polarization Denoising and Demosaicking Dataset

本数据集包含40个真实场景，并提供了三种不同噪声水平下的数据。每个场景都包含了一对数据：一个是有噪声的马赛克输入图像，另一个是与之对应的噪声-free完整图像。该数据集旨在为极化图像的去噪和去马赛克任务提供一个新的评估平台，有助于推动该领域的研究。数据集的创建过程包括使用JAI CV-M9GE 3-CCD RGB相机和SIGMAKOKI SPF-50C-32线性偏振滤光片，通过旋转偏振滤光片在0度、45度、90度和135度四个角度下捕获图像，然后通过平均大量捕获的图像来生成噪声-free的参考图像。数据集可用于评估和开发极化图像的去噪和去马赛克算法，特别是在动态场景中的应用。

This dataset includes 40 real-world scenes, with data provided under three distinct noise levels. Each scene contains a pair of data: one is a noisy mosaic input image, and the other is the corresponding noise-free complete image. This dataset aims to provide a novel evaluation platform for denoising and demosaicing tasks of polarization images, facilitating research advancement in this field. The dataset was constructed using a JAI CV-M9GE 3-CCD RGB camera and a SIGMAKOKI SPF-50C-32 linear polarizing filter. Images were captured by rotating the polarizing filter at four angles: 0°, 45°, 90°, and 135°, followed by averaging a large set of captured images to generate the noise-free reference images. This dataset can be utilized to evaluate and develop denoising and demosaicing algorithms for polarization images, particularly for applications in dynamic scenarios.

搜集汇总

数据集介绍

构建方式

在偏振成像研究领域，数据采集的精确性对算法评估至关重要。该数据集通过专业硬件配置构建，采用JAI CV-M9GE 3-CCD相机与可旋转线性偏振镜组合，以分时方式采集0°、45°、90°、135°四个偏振角度的完整12通道数据。通过拍摄每角度1000张原始图像并剔除100个异常值，对剩余900张图像进行像素级平均生成近乎无噪声的真实场景基准数据，同时根据索尼偏振滤光片阵列模式合成带噪声的原始马赛克图像，最终形成包含40组场景与三种噪声等级的标准化数据对。

使用方法

在偏振图像处理流程中，该数据集为算法性能评估提供了标准化框架。研究者可将带噪声马赛克图像输入待测算法，通过计算重建图像与基准数据在斯托克斯参数、偏振度与偏振角等物理量上的误差进行定量分析。数据集支持去马赛克-降噪、降噪-去马赛克以及联合重建三种典型处理路径的对比验证，其多噪声等级设计尤其适用于评估算法在不同信噪比条件下的鲁棒性，为偏振计算成像方法的迭代优化提供可靠依据。

背景与挑战

背景概述

偏振成像作为光物理特性表征的重要手段，在反射消除、三维重建等计算机视觉领域展现出独特价值。东京科学大学研究团队于2025年提出的偏振去马赛克与去噪数据集，针对焦平面偏振计成像系统，通过精密光学装置采集40组真实场景数据，涵盖三种噪声等级条件。该数据集填补了联合处理偏振去马赛克与去噪任务的标准评估平台空白，其创新性在于同步提供含噪声马赛克输入与无噪声全分辨率真值图像对，为偏振计算成像领域建立了可靠的实验基准。

当前挑战

在偏振成像领域，焦平面偏振计需同步解决两个核心难题：马赛克数据插值重建与噪声抑制。现有偏振去马赛克方法普遍假设输入为无噪声理想数据，而实际传感器采集的原始数据存在复杂噪声干扰，导致传统方法重建质量显著下降。数据集构建过程中面临多重挑战：需设计精密光学平台实现四角度偏振图像同步采集，通过千帧图像均值化处理获取近似无噪声真值，同时需精确量化三种噪声等级下各通道的噪声分布特性，特别是蓝通道因相机光谱灵敏度差异导致的噪声幅值异常问题。

常用场景

经典使用场景

在偏振成像领域，该数据集为焦平面偏振计（DoFP）的联合去马赛克与去噪任务提供了标准化评估平台。其经典应用场景包括通过真实世界40组场景数据与三种噪声水平条件，系统验证不同算法在重建偏振图像时的性能表现，尤其适用于动态场景下的偏振信息恢复研究。

解决学术问题

该数据集解决了偏振成像中长期存在的联合去噪与去马赛克算法评估难题。通过提供含噪声马赛克输入与无噪声真实图像的配对数据，填补了该领域缺乏公开基准的空白，为量化分析算法在斯托克斯参数、偏振角与偏振度等关键指标的重建精度提供了可靠依据。

实际应用

该数据集支撑的算法可应用于自动驾驶中的眩光消除、工业检测中的反光表面分析以及遥感成像中的材质分类。通过提升偏振图像质量，显著增强了在复杂光照条件下获取物理光学特性的能力，为计算机视觉与光学测量领域提供了重要的技术支撑。

数据集最近研究

最新研究方向

在偏振成像领域，焦平面偏振仪因其单次拍摄多角度偏振图像的能力，已成为动态场景分析的关键工具。近年来，偏振去马赛克技术已取得显著进展，但噪声环境下的联合去噪与去马赛克研究仍面临数据匮乏的挑战。该数据集通过提供40组真实场景及多噪声级别数据，推动了基于伪四通道去噪与强度引导残差插值的联合优化方法发展，显著提升了斯托克斯参数与偏振角的重建精度。这一突破不仅为偏振视觉在反射消除、三维重建等应用提供了可靠基础，更促进了深度学习与传统信号处理方法的融合创新，成为该领域标准化评估的重要里程碑。

相关研究论文

• 通过

  东京科学研究所，日本 · 2025年