为提升水下图像的增强效果,提出了一种基于金字塔注意力机制和生成对抗网络(GAN)的水下图像增强算法,该算法将生成对抗网络作为基本架构,生成网络采用编码解码结构并引入特征金字塔注意力模块,多尺度金字塔特征与注意力机制的结合有利于捕获更丰富的高级特征以提升模型性能;判别网络采用类似马尔可夫判别器的结构。此外,通过构建包含全局相似性、内容感知和色彩感知的多项损失函数,使增强后的图像与参考图像的结构、内容和色彩保持一致。实验结果表明,所提算法增强的水下图像在清晰度、颜色校正和对比度上都有所提升。其中,结构相似性、水下图像质量度量和信息熵的平均值分别为0.7418、2.9457和4.6925。在主观感知和客观评价指标上,所提算法的实验结果均优于对比算法。

针对低照度条件下图像对比度不高、颜色失衡和存在噪声等问题,提出了一种基于多分支全卷积神经网络(MBACNN)的低照度图像增强模型。该模型是一个端到端的模型,包含特征提取模块(FEM)、增强模块(EM)、融合模块(FM)和噪声提取模块(NEM)。通过对合成的低照度和高清图像样本进行训练,根据验证集的损失值不断调整模型参数,以得到最优模型;然后对合成低照度图像和真实低照度图像进行测试。实验结果表明,与传统的图像增强算法相比,所提出的模型能够有效提高图像对比度、调整颜色失衡并去除噪声,主观视觉和客观图像质量评价指标都得到进一步改善。

为了解决CFRP(carbon fiber reinforced polymer)平面反射镜在加工成型后的面形存在像散像差的问题, 建立相关的理论模型以对其产生机理进行解释, 并设计实验对模型进行验证。首先基于经典层合板的热效应理论, 考虑到CFRP平面反射镜制造过程中存在铺层角度误差及温度变化等因素, 推导了相关公式以说明当对称均衡铺层CFRP反射镜存在铺层角度误差时, 在热效应的影响下会产生马鞍形的变形, 即会导致面形出现像散像差。设计了相关实验, 制备了两组铺层角度分别为[0° 90° 45° -45°]2s和[(0° 90° 45° -45°)s]2的反射镜样片, 并利用Zygo长波红外干涉仪(λ=10.6 μm)对样片总体面形及像散像差进行检测。实验数据显示: 第一组样片像散像差的RMS值平均为0.034λ, 第二组样片像散像差的RMS值平均为0.510λ。证明了铺层角度误差是使反射镜产生像散像差的主要原因之一, 而且像差大小会随着反射镜弯曲刚度准各向同性的提高而减小。