1 中国计量大学光学与电子科技学院,浙江 杭州 310018
2 西安应用光学研究所,陕西 西安 710065
针对太赫兹扫描成像设备存在的图像清晰度差、边缘模糊等问题,提出了一种基于生成对抗网络的太赫兹图像超分辨率重建算法。首先,在处理太赫兹图像时引入限制对比度自适应直方图均衡方法,有效解决了太赫兹图像对比度低的问题;其次,在生成对抗网络的基础上,提出了一种基于增强注意力机制的残差生成对抗网络,实现了太赫兹扫描图像的超分辨率重建,提升了图像纹理和细节的重建能力;最后利用频谱归一化的U-net网络对生成器生成的重建图像进行判别,增强了训练的稳定性。实验结果表明,提出的太赫兹图像超分辨率重建算法将太赫兹线阵相机所成太赫兹图像的边缘强度提高了7%,峰值信噪比提高了13%,平均梯度提高了12%,结构相似度提高了14%,验证了该算法的优越性和有效性。
太赫兹技术 太赫兹线阵相机 太赫兹图像 超分辨率重建 生成对抗网络 图像质量评价
江苏商贸职业学院 电子与信息学院, 江苏 南通 226011
针对红外夜视遥感系统成像质量差的问题, 提出一种目标与背景分离的多模态图像融合方法来改善红外夜视的成像质量。一方面, 采用注意力U-Net对红外与可见光图像的目标区域进行分割与融合处理, 利用U-Net强大的学习能力充分保留原图像中的目标信息; 另一方面, 通过引导滤波器对红外与可见光图像的背景区域进行分解, 采取不同的融合策略处理基层信息与细节层信息, 增强背景中的显著区域。在TNO数据集上的对比实验结果表明, 该方法在主观视觉评价与客观量化评价两方面均优于其它对比方法。
红外夜视系统 图像融合 图像质量增强 深度神经网络 引导滤波器 infrared night vision system image fusion image quality enhancement deep neural networks guided filter
1 安徽工程大学 人工智能学院, 安徽 芜湖 241000
2 安徽工程大学 机械工程学院, 安徽 芜湖 241000
图像质量评价方法是为了符合主观视觉图像质量评分结果, 设计出的客观计算方法。在本研究中, 提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中, 结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息, 即局部模糊特征; 变异局部clarity表示图像内部色貌整体变化情况, 即全局模糊特征。为了验证该方法的性能, 使用五个常用图像质量数据库中的失真图像进行对比测试, 从预测精度、计算复杂度和泛化性进行分析。结果表明, SROCC和PLCC加权平均值分别是0.9345和0.9379, SROCC和PLCC直接平均值分别是0.9331和0.9357, 综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明, 所提方法是有效的、可行的, 是一个综合性能优异的NR-IQA方法。
图像质量评价 无参考 局部色貌 彩色模糊图像 image quality assessment no reference local color appearance color blurred image
1 华东交通大学电气与自动化工程学院,江西南昌 330000
2 昭通学院物理与信息工程学院,云南昭通 657000
针对单一红外图像或可见光图像不能够实现全天候检测的问题,提出了一种梯度图像融合模型将红外和可见光图像进行融合。先采用加速稳健特征算法(speeded-up robust features,SURF)将两幅图像的特征点进行匹配。接着采样剪切波变换(non-subsampled shearlet transform, NSST)算法将待融合图像进行分解,形成具有高频分量信息和低频分量信息的图,再分别对绝缘子的高频分量图和低频分量图进行融合,实现局部融合。利用 NSST的逆变换对高频分量图和低频分量图进行逆变换,得到最终融合图,实现全局融合。对融合图像进行质量评价。采用最小二乘法直线拟合算法在二值图像的基础上来实现绝缘子的自爆检测;采用像素积分投影法来检测绝缘子片裂纹情况;采用颜色特征来检测绝缘子表面是否存在污秽的情况。通过实验对比单张图像和融合图像的检测结果的准确率。实验结果表明,采用基于融合图像的绝缘子自爆、绝缘子片裂纹、绝缘子表面污秽 3个故障的识别率分别达到了 95%、91%、90%,均高于单一的红外图像或可见光图像的识别率。
接触网绝缘子故障 图像融合 局部融合 全局融合 图像质量评价 OCS insulator fault, image fusion, local fusion, g
1 国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室,安徽 合肥 230037
2 先进激光技术安徽省实验室,安徽 合肥 230037
3 红外与低温等离子体安徽省重点实验室,安徽 合肥 230037
烟幕是一种应用较为广泛的无源干扰手段,在对抗各类光电侦察和光电制导装置方面发挥着重要作用。烟幕遮蔽和干扰效果评价是评估光电对抗效果、进行战术部署的重要依据,是烟幕技术的重要研究内容。针对目前评价方法杂、评价方法选用无据可依的现状,在综述当前烟幕遮蔽和干扰效果评价研究现状的基础上,从烟幕本身的遮蔽性能、被干扰对象工作性能、烟幕干扰前后图像质量受影响的角度,系统归纳了能较好地描述烟幕遮蔽和干扰效果的主要评价指标及其测试方法,指出了方法的优缺点、适用场合与局限性,并对下一步研究工作和发展方向进行了展望。
烟幕遮蔽 干扰效果评价 透过率 光电导引头 图像质量 激光与光电子学进展
2023, 60(22): 2200004
光学 精密工程
2023, 31(10): 1509
1 上海海洋大学 信息学院, 上海 201306
2 国家海洋局东海勘察中心, 上海 200137
基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题,为此,本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征;然后将语义特征映射成视觉特征符号,并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模,提取图像的全局特征,同时使用浅层神经网络提取底层局部图像特征,捕捉图像低级失真信息;最后结合全局图像信息与局部图像信息,对图像质量进行预测。为了验证模型的精度和鲁棒性,以相关系数PLCC和SROCC作为评价指标,在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验,并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明,本文方法以较少的参数量(大约1.56 MB)在各类数据集上均取得了优越的性能,尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958,证明在复杂的失真情况下仍能准确评估图像质量,本文网络结构能满足实际应用场景。
图像质量 无参考图像质量评价 Transformer 自注意力 特征符号 image quality no-reference quality assessment Transformer self-attention feature tokens
邱小霞 1,2,3鲍华 1,2高国庆 1,2,3,4张莹 1,2,3[ ... ]李淑琪 1,2,3
1 中国科学院自适应光学重点实验室, 成都 610000
2 中国科学院光电技术研究所, 成都 610000
3 中国科学院大学, 北京 100000
4 电子科技大学, 成都 611000
自适应光学(AO)成像系统受残余大气湍流、闭环跟踪误差和光电探测噪声等因素的影响, 成像结果参差不齐, 不利于后期图像筛选和事后处理, 故需要对图像质量进行评价。传统图像质量评价方法对自适应光学图像质量的评价不可靠, 甚至会出现评价结果与实际背离的情况。针对上述问题, 根据自适应光学系统的成像过程, 生成具有图像质量标签的自适应光学退化图像数据集, 在此基础上采用以ResNet作为主干的深度神经网络, 训练得到了用于评价自适应光学图像质量的神经网络模型, 在测试集上的Spearman相关系数(SROCC)最佳为0.994。实验结果表明, 该方法综合考虑了自适应光学图像成像过程中的多种退化因素, 通过训练深度神经网络得到无参考自适应光学图像质量评价模型, 评价精度优于其他传统图像质量评价算法。
图像质量评价 自适应光学图像 深度神经网络 image quality assessment adaptive optical image deep neural network