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
沈阳师范大学物理科学与技术学院， 辽宁 沈阳 110000
卵母细胞质量是影响哺乳动物体外受精能力、 胚胎体外发育潜能以及妊娠成功与否的关键因素， 显著影响着人类的辅助生殖、 动物的育种、 品种改良及保存濒危物种等工作， 对其质量的研究具有重要的应用价值。 目前常规的质量评估手段主要从形态学角度、 从生化分析角度展开。 但传统的基于卵母细胞形态甄选评估其发育质量的方法， 其结果的可靠性较强地依赖于技术人员的经验， 具有主观性较强的特点; 新型的基于生物学技术检测生化指标的方法虽能弥补基于形态检测方法的不足但仍存在侵入式研究、 生物操作步骤繁琐复杂、 实验耗时长， 影响卵母细胞后续发育的缺点。 众所周知， 生物组织异变往往伴随着内部生化组分的改变， 而生化组分的改变往往表现出光谱的差异。 鉴于此， 利用紫外-可见分光光度计和自改建多光谱成像系统研究卵母细胞的光谱， 并分析了未成熟与成熟卵母细胞、 新鲜成熟与排卵后老化卵母细胞的光谱差别。 研究发现， (1)与新鲜成熟卵母细胞的紫外-可见光谱(190~1 100 nm)相比， 未成熟与排卵后老化卵母细胞的光谱均出现数个峰位的增减变化。 未成熟卵母细胞与新鲜成熟卵母细胞的紫外-可见光谱相比， 缺失了205和579 nm两个峰位以及894~941 nm的波段， 增加了593 nm处的峰位; 排卵后老化卵母细胞与新鲜成熟卵母细胞的紫外-可见光谱相比， 缺失了205、 445和579 nm的三个峰位以及846~941 nm的波段， 也增加了593 nm处的峰位。 (2)可见光波段的多光谱成像数据显示， 与新鲜成熟卵母细胞相比， 未成熟卵母细胞各生物结构在451和467 nm处的透射光谱强度下降， 排卵后老化卵母细胞各生物结构在425、 431、 571和669 nm处的透射光谱强度降低。 综上可见(特别是新鲜成熟与老化卵母细胞之间在多光谱成像中展现的光谱差别)， 光谱检测在甄别卵母细胞质量方面展现出了巨大的可行性。
紫外-可见光谱 多光谱成像 卵母细胞质量评价 Ultraviolet-visible spectra Multispectral imaging Oocyte quality evaluation 光谱学与光谱分析
2023, 43(5): 1376
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 西安交通大学 机械工程学院 机械制造系统工程国家重点实验室, 陕西 西安 710049
2 新疆大学 机械工程学院, 新疆 乌鲁木齐 830046
3 新拓三维技术(深圳)有限公司 创新实验室, 广东 深圳 518060
为了实现复杂曲面零件高效自动化测量，本文提出了一种基于改进栅格法的面结构光扫描视点规划方法，并将其应用在汽车复杂曲面零件自动化测量中。首先，针对人工示教视点冗余严重，扫描完整性差的问题，提出了一种基于改进栅格法的面结构光扫描视点规划算法，根据面结构光扫描仪的有效测量范围，确定栅格尺寸，改进候选视点生成策略，并通过扫描仪的测量约束条件得到候选视点的有效测量范围，利用视点质量评价函数确定最优视点。其次，针对视点规划过程中算法耗时长，特征重建精度低的问题，采用体素网格法简化模型，通过八叉树算法分割复杂曲面模型，根据法向量一致性误差确定体素网格尺寸，并且对于几何特征不同的模型，分析权重系数对扫描质量的影响，给出最佳权重系数。最后，进行了汽车钣金件和减速器壳体扫描视点规划和测量实验。结果表明，汽车钣金件视点规划耗时21.93 s，扫描完整性为99.124%，扫描精度为0.025 mm；汽车减速器壳体视点规划耗时158.29 s，扫描完整性为93.231%，扫描精度为0.032 mm。本方法能快速完成复杂曲面视点规划，并且采用规划视点扫描的模型完整性好，精度高，能够满足复杂曲面零件自动测量的要求。
复杂曲面 结构光 视点规划 栅格法 质量评价函数 complex surface surface structured light viewpoint planning grid method quality evaluation function 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
1 光电信息控制和安全技术重点实验室, 天津
2 中国电子科技集团公司光电研究院, 天津
对微扫描成像技术的研究现状进行了分析, 建立了红外成像系统模型, 分析了微扫描成像技术的技术原理, 对其超分辨能力理论仿真分析, 并通过实际红外微扫描成像系统对超分辨率效果进行验证, 并对成像结果进行了分析和评价。
微扫描 超分辨率 信息熵 质量评价 micro-scanning super-resolution information entropy quality evaluation
