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
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
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
江南大学人工智能与计算机学院，江苏 无锡 214122
为了能够在图像质量评价领域实现自监督学习，提出一种基于半监督学习的双分支网络训练的无参考图像质量评价算法。它是具有两个分支的训练过程，其中在一个分支使用少量手工标记数据样本来进行有监督学习，在另一个分支进行自监督学习来辅助前者训练同一个特征提取器，自监督学习部分采用几种传统的全参考方法联合为训练样本打上软标签。在6个公开的图像数据库中进行大量实验，结果表明所提算法不仅在合成失真图像数据集上优于目前大多数方法，而且在真实失真图像数据集上具有良好的泛化性能，预测结果与人类主观感知表现一致。
图像质量评价 特征提取 自监督学习 无参考 联合训练 激光与光电子学进展
2023, 60(4): 0410023
1 北京理工大学光电学院，北京 100081
2 北京理工大学集成电路与电子学院，北京 100081
为了解决水下图像在复杂水体中表现的画面模糊和颜色失真的问题，提出了一种基于HSV分类、CIELAB均衡与最小卷积区域暗通道先验（DCP）的水下图像恢复算法。基于H与S阈值将水下图像分为高饱和度失真图像、低饱和度失真图像及浅水图像等3类。分类后的水下图像分别经CIELAB均衡及自适应图像增强恢复，其中水下成像系统参数通过最小卷积区域DCP估计。实验结果表明，所提算法在图像恢复效果、评价质量和实时性指标上均优于对比算法，其中峰值信噪比和结构相似指数值分别平均提升了26.88%和17.3%，水下彩色图像质量评价值提升了4.3%。
海洋光学 图像阈值分类 颜色均衡 光学模型参数估计 峰值信噪比 水下彩色图像质量评价 激光与光电子学进展
2023, 60(4): 0401003
北京理工大学 宇航学院 精密测试实验室, 北京 100081
稀疏角度下图像重建算法的研究是发射光谱层析技术在场分布测量方面应用的关键问题。代数重建算法、同时迭代重建算法以及联合代数重建算法是其中应用较为广泛的迭代类图像重建算法。以蜡烛火焰为重建对象, 利用均方差、峰值信噪比、结构相似性和图像平均梯度等图像质量评价指标来分析评价不同算法的图像重建效果, 并发展了一种多指标优化算法融合的技术, 充分利用三种算法的恢复重建优势, 实现了火焰三维温度场的分区重建, 重建温度误差在5%以内。实验结果证明, 所发展的算法融合技术适用于火焰三维温度场的高质量重建。
光学测量 图像重建算法 多指标优化 算法融合 三维温度场 图像质量评价 optical measurement image reconstruction algorithm multi-index optimization algorithm fusion three-dimensional temperature field image quality assessment
