1 中国科学院上海技术物理研究所 空间主动光电技术重点实验室，上海 200083
2 中国科学院大学，北京 100049
图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究，提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先，根据相机的调制传递函数计算获取原始图像的最大像素梯度，继而建立相应的像素梯度集合。然后，计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合，并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后，根据图像中脉冲噪声的密度和复杂度，确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明，所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其它先进方法相比，该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN，并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外，针对高密度SAPN抑制，该方法获得了具有竞争力的结果，与运行时间较快的滤波方法相比表现出较好的PSNR和SSIM，与PSNR和SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限SAPN（99%）破坏的图像，也能够恢复有意义的图像细节。
图像去噪 自适应迭代中值滤波器 像素梯度 调制传递函数 脉冲噪声 image denoising adaptive iterative median filter pixel gradient Modulation Transfer Function impulse noise
1 南华大学 电气工程学院衡阳 421001
2 中国科学院合肥物质科学研究院 等离子体物理研究所合肥 230031
3 中国科学技术大学研究生院 科学岛分院合肥 230031
4 合肥师范学院 物理与材料工程学院合肥 230601
5 安徽大学 物质科学与信息技术研究院合肥 230601
东方超环（Experimental Advanced Superconducting Tokamak，EAST）全超导托卡马克装置上极紫外（Extreme Ultraviolet，EUV）光谱诊断系统采用电荷耦合器件（Charge Coupling Device，CCD）探测器集光谱图像数据，硬X射线对CCD产生的干扰造成光谱数据中存在大量的单像素噪声，这为准确分析聚变等离子体杂质辐射带来极大的困难。针对这一问题，设计了一套基于可编程门阵列（Field Programmable Gate Array，FPGA）的EUV光谱图像处理系统，来快速去除硬X射线产生的噪声干扰。该系统基于限幅滤波算法，并引入标准差和离均差替代固定限幅阈值和样本偏差；通过融合限幅滤波算法和数据判别法，外加设置算法工作区间来分阶段对光谱图像数据进行相应处理。同时设计了仿真测试模块，使用EUV光谱图像转化的视频数据模仿采集流程进行系统的功能测试。最后，为了检验该系统对有效光谱数据的保护能力，将图像数据转换成更加直观的谱线图进行对比分析。实验测试结果表明：该系统能够有效去除光谱图像中的噪声点，并较好地保持了光谱数据的完整性，从而提升了光谱数据的可观测性。
极紫外光 图像处理 可编程门阵列 图像降噪 Extreme ultraviolet Image processing Field programmable gate array Image denoising
1 北京交通大学信息科学研究所，北京 100044
2 现代信息科学与网络技术北京市重点实验室，北京 100044
3 香港理工大学电子及信息工程系光子研究所，香港 999077
首先，利用自洽约束生成对抗网络（SCGAN）建模布里渊增益谱（BGS）中的真实噪声分布，生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析，证明了两种噪声的差异。然后，利用2种噪声分别训练3种最新的去噪卷积神经网络，在不同温度、不同信噪比的实验数据上对比了各网络的性能。实验结果表明，所提方法能准确获取低信噪比BGS的布里渊频移，说明基于生成对抗网络的噪声提取方式能够有效地建模真实噪声，更好地训练有监督网络。
光纤光学 布里渊分布式光纤传感 图像去噪 生成对抗网络 自洽约束 噪声建模
福州大学物理与信息工程学院，福建 福州 350108
针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题，提出了一种非下采样剪切波变换（NSST）域结合生成对抗网络（GAN）的低照度图像增强方法。首先，收集弱光图像和正常光图像数据集，将图像进行RGB颜色空间到HSV颜色空间的变换处理，保持色度、饱和度分量不变，对亮度分量进行NSST多尺度分解，利用分解得到的低通子带图像构建训练集；其次，构建基于GAN的低频子带图像增强模型，并利用低频子带图像训练集对模型进行训练；然后，对待处理的低照度图像进行NSST分解，利用训练的模型增强低频子带图像，利用尺度相关系数去除各高频方向子带噪声，并通过非线性增益函数增强边缘系数；最后，将增强处理后的低频、高频子带图像进行NSST重构，并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比，就低照度图像增强而言，结构相似度平均提升了3.89%，均方误差平均降低了1.03%，且在对噪声图像增强时，峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明，所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升，能有效改善低照度图像的低质问题，为后续的图像处理分析奠定基础。
低照度图像增强 非下采样剪切波变换 生成对抗网络 图像去噪 图像边缘增强 激光与光电子学进展
2023, 60(24): 2410007
南开大学现代光学研究所，天津市微尺度光学信息技术科学重点实验室，天津 300350
以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言，其很难获取多帧配准的真值图像，这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪，并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能，并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果，可以实现视网膜OCT图像高质量降噪，具有较强的泛化性，而且与监督学习相比，无监督学习在数据集不充分时仍能获得较好的降噪性能，可以有效地辅助医生进行准确高效的临床诊断。
光学相干层析技术 视网膜 图像去噪 深度学习 无监督学习 光学学报
2023, 43(20): 2010002
Author Affiliations
Abstract
QMatterPhotonics Research Group, Optics Area, Department of Applied Physics, Faculty of Physics / Faculty of Optics and Optometry, University of Santiago de Compostela, 15782 Santiago de Compostela, Galicia, Spain
The use of convolutional neuronal networks (CNN) for the treatment of interferometric fringes has been introduced in recent years. In this paper, we optimize and build a CNN model, based U-NET architecture, to maximize its performance processing electronic speckle interferometry fringes (ESPI). The proposed approach is based on quick and light trainings to select the architecture parameters (network depth and kernel sizes) to maximize the performance of the neural network improving the visibility of ESPI images. To measure the performance, the structural similarity index (SSMI) will be the lead indicator, and the need for large datasets to train neural networks, unavailable for ESPI images, forces the use of a simulated ESPI image dataset along the process. This dataset is computed using Zernike polynomials to simulate local surface deformations in the specimen under test and simulated true speckle fields for the reference and object field involved in ESPI techniques.
ESPI Convolutional neural networks Image denoising Journal of the European Optical Society-Rapid Publications
2023, 19(1): 2023015
1 云南师范大学物理与电子信息学院云南省光电信息技术重点实验室，云南 昆明 650500
2 上海交通大学电子工程系，上海 200240
合成孔径雷达（SAR）在成像过程中由于固有成像机制的缺陷导致图像被乘性噪声污染，图像噪声对后续目标检测识别等处理过程造成了阻碍。现有的去噪算法存在不能自适应估计噪声大小和对边缘保持效果不理想的问题，如何自适应处理不同噪声水平的图像是一个研究难点。提出一种基于盲估计和双边滤波的SAR图像稀疏去噪算法。首先利用双边滤波得到具有良好边缘保持特性的预处理图像；接着利用盲估计获取图像全域噪声水平，将其充当稀疏重建过程中的残差阈值；最后利用稀疏编码和字典学习算法，用尽可能少的原子信息来表示图像，达到图像去噪的目的。实验结果表明，结合了盲估计的稀疏重建算法不仅有效去除了图像噪声，使等效视数获得了显著提升，而且峰值信噪比和边缘保持指数也有良好的表现，有效保留了原图的细节纹理信息。
合成孔径雷达 稀疏表示 图像降噪 盲估计 双边滤波 激光与光电子学进展
2023, 60(16): 1610001
1 信息工程大学信息系统工程学院，河南 郑州 450001
2 河南省文物考古研究院，河南 郑州 450001
针对实验室显微CT扫描过程会产生噪声，导致重建后CT图像质量下降的问题，提出一种深层多残差编解码卷积去噪网络。以原始的残差编解码网络为基础，首先通过增加网络的卷积层数，引入多残差映射，实现对实验室级显微CT图像中噪声分布特性的有效学习；其次设计了专用的混合损失函数，增强网络对图像细节信息的保留能力。实验结果表明，所提方法对CT图像中的噪声具有显著的抑制效果，同时能够极大程度地保留图像的结构信息和特征信息。
图像处理 图像去噪 显微CT 无损检测 残差学习 混合损失函数 激光与光电子学进展
2023, 60(14): 1410014
