张文雪 1,2,3,4罗一涵 1,2,3,4,*刘雅卿 1,2,3夏诗烨 1,2,3赵开元 1,2,3,4
1 中国科学院光场调控科学技术全国重点实验室，四川 成都 610209
2 中国科学院光束控制重点实验室，四川 成都 610209
3 中国科学院光电技术研究所，四川 成都 610209
4 中国科学院大学，北京 100049
![]()
![]()
超分辨率重建 亚像素 图像处理 微扫描 super-resolution reconstruction subpixel image processing micro-scanning
南京信息工程大学电子与信息工程学院，江苏 南京 210044
针对车底危险物图像拼接中存在特征点匹配精度低、匹配速度慢、拼接处存在裂缝以及拼接时间久的问题，提出一种车底危险物图像快速拼接算法。首先，利用角点检测（FAST）算法进行图像特征点提取，再用二进制鲁棒不变可扩展关键点（BRISK）算法对保留的特征点进行特征描述；其次，用快速最近邻搜索（FLANN）算法进行粗匹配；接着，使用渐进一致采样（PROSAC）算法进行特征点提纯；最后，利用拉普拉斯金字塔算法进行图像融合与拼接。实验结果表明：在车底危险物图像数据中，与SIFT、SURF、ORB算法相比，所提算法的图像特征匹配精度分别提高13.10百分点、8.59百分点、11.27百分点，匹配时间分别缩短76.26%、85.36%、10.27%，图像拼接时间分别缩短63.73%、64.21%、20.07%，拼接处不存在明显裂痕。因此，基于FAST、BRISK、PROSAC和拉普拉斯金字塔组合的图像拼接算法是一种优质的图像快速拼接算法。
图像处理 FAST算法 BRISK算法 PROSAC算法 拉普拉斯金字塔算法 图像融合 激光与光电子学进展
2024, 61(8): 0837011
烟台大学计算机与控制工程学院，山东 烟台 264000
现在大多数基于图卷积的点云语义分割方法忽略了边构建的重要性，不能充分地表示局部区域的特征。基于此，提出一种结合注意力机制的边增强的图卷积网络（AE-GCN）。首先，将邻居点特征加入边中，而不仅仅是中心点与邻居点的特征差异；其次，加入注意力机制保证点云的局部信息得到更充分的利用；最后，采用U-Shape的分割结构，确保网络更好适应点云的语义分割这一任务。在两个公开数据集Toronto_3D和S3DIS上的实验结果表明，与目前的大多数方法相比，AE-GCN取得了具有竞争力的结果：在Toronto_3D数据集的平均交并比为80.3%，总体准确度为97.1%；在S3DIS数据集的平均交并比为68.0%，总体准确度为87.2%。
三维图像处理 点云语义分割 注意力机制 边增强 图卷积 激光与光电子学进展
2024, 61(8): 0837009
长春理工大学电子信息工程学院，吉林 长春 130012
针对彩色图像引导的深度图像超分辨率重建算法中存在的纹理转移和深度流失的问题，提出一种基于双特征融合引导的深度图像超分辨率重建网络（DF-Net）。为了充分利用深度和强度特征的关联性，在网络模型的深度恢复重建部分采用双通道融合模块（DCM）和双特征引导重建模块（DGM）。利用输入金字塔结构提取深度信息和强度信息的多尺度特征：DCM基于通道注意力机制对深度特征和强度特征进行通道间的特征融合与增强；DGM将深度、强度特征自适应选择融合后实现重建的双特征引导，增加了深度特征的引导作用，改善了纹理转移和深度流失的问题。实验结果表明，所提方法的峰值信噪比（PSNR）和均方根误差（RMSE）优于RMRF、JBU和Depth-Net等方法，尤其4×超分辨率重建结果的PSNR值比其他方法平均提升6.79 dB，RMSE平均下降0.94，取得了较好的深度图像超分辨率重建效果。
图像处理 图像超分辨率重建 卷积神经网络 深度图像 特征融合 通道注意力 激光与光电子学进展
2024, 61(8): 0837007
1 中国科学院光电技术研究所，四川 成都 610209
2 中国科学院光场调控科学技术全国重点实验室，四川 成都 610209
3 中国科学院大学电子电气与通信工程学院，北京 100049
4 中国科学院大学光电学院，北京 100049
针对水下图像因成像环境造成的色彩失真、对比度下降、模糊等问题，提出一种自适应水下图像增强算法。首先，基于Lab色彩空间的局部色偏和全局色偏对衰减颜色进行色彩补偿，再利用灰度世界算法恢复水下图像的色彩平衡。其次，使用自动色阶和伽马校正方法调整各通道信息，以获得高动态范围、高照度的图像。最后，通过反锐化掩膜方法获得高频信息并增强图像细节，从而获得清晰的水下图像。所提算法利用图像的色偏、均方差等统计信息，实现了自适应处理。实验结果表明，所提算法能有效去除水下图像色偏，提高图像对比度与清晰度，提升视觉效果。较之其他算法，其在处理效果及时间上均有优势。
图像处理 水下图像增强 色彩校正 对比度提升 细节增强 激光与光电子学进展
2024, 61(8): 0837001
针对轨道扣件表面结构复杂导致的线结构光照射分布不均匀问题，研究了一种基于改进灰度重心法的光条中心线提取方法，精准重构了轨道扣件点云模型。基于点云模型提取了轨道扣件的结构特征信息，建立了轨道扣件缺陷检测组合分类器模型，实现了轨道扣件的弹条缺失、扣件歪斜、螺母缺失等缺陷检测。研究了基于表面法向量的螺母上平面解析方法，通过螺母松动测量实验实现了轨道扣件的松动检测。搭建了扣件故障诊断实验平台并开展了相关实验研究，实验结果表明，系统扣件故障检出率达到96%，扣件松紧度测量的总体误差低于0.2 mm，扣件故障诊断系统的检测效果和鲁棒性较好，对列车安全运行具有重要的现实意义。
测量 三维图像处理 轨道扣件 线结构光 中心线提取 故障诊断
1 中国科学技术大学生物医学工程学院（苏州）生命科学与医学部，江苏 苏州 215163
2 中国科学院苏州生物医学工程技术研究所医用光学技术研究室，江苏 苏州 215163
在显微成像过程中，受系统景深限制，沿光轴方向不同层面之间聚焦位置存在显著差异，同时不同层面的显微图像存在部分聚焦区域重叠，现有多聚焦融合算法往往无法并行提取和融合多幅显微图像中最清晰的聚焦部分。提出一种多聚焦显微图像融合算法，首先构造了一种类高斯四邻域梯度算子并结合快速引导滤波，实现高频聚焦信息的提取；同时针对大视场显微图像序列中存在聚焦信息重叠、像素数量大的情况，引入了一种小区域聚焦度量方法，提高了对聚焦清晰区域高频信息提取的能力，实现了多图最佳聚焦点的融合。拍摄3组包括4 mm和2 mm对角线视场的多聚焦显微图像序列进行测试，相较5种常用多聚焦图像融合算法，所提算法的峰值信噪比平均提高了2.4772，结构相似性指数达0.9400以上，对聚焦清晰区域有更好的融合效果，融合图像细节丰富且清晰度高，能够满足大视场多聚焦显微图像融合的准确性要求。
图像处理 多聚焦显微图像 引导滤波 聚焦信息检测 多图融合 激光与光电子学进展
2024, 61(6): 0618022
1 南京航空航天大学 计算机科学与技术学院，江苏 南京 211106
2 中国航天科工飞航技术研究院，北京 100074
红外图像去雾是指通过去除雾霾、烟雾等介质对红外图像的影响，恢复红外成像系统对比度和视觉质量的过程。红外图像凭借全天时、不受光照限制等优势，在**、安防、医疗、能源勘探等领域广泛地应用。然而，由于大气介质对红外图像的干扰，这些应用往往受到限制，因此红外图像去雾成为一个重要的研究领域。近年来，随着计算机视觉、深度学习等技术的不断发展，红外图像去雾技术也取得了一系列重要进展，为红外图像应用的发展提供了强有力的支持。根据红外图像去雾过程中所依赖数据的不同，将现有的红外图像去雾方法划分为多信息融合和单帧图像处理两大类，其中多信息融合因为需要额外的信息来帮助图像恢复而使其应用受到限制；而目前基于单帧图像处理的主流方案包括图像增强和图像重建两个发展方向。对各种分类的代表算法进行了简要梳理，并分析了其原理、优势及不足。最后，对红外图像去雾的发展趋势做出了预测。该工作既可以帮助初学者快速了解该领域的研究现状和发展趋势，也可作为其他研究者的参考资料。
红外图像去雾 多信息融合 单帧图像处理 infrared image dehazing multi-information fusion single-frame image processing 红外与激光工程
2024, 53(2): 20230416
1 桂林电子科技大学信息与通信学院，广西 桂林 541004
2 梧州学院机器视觉与智能控制广西重点实验室，广西 梧州 543002
传统非实时图像拼接方法易因局部图像失配导致全局拼接中断。此外，显微图像具有大量相似的微观结构，存在特征检测耗时长、误匹配率高等问题。为此，提出一种基于载物台运动信息的显微图像预测拼接算法。通过控制电动载物台XY轴移动距离来决定相邻图像间重叠区域大小，在图像的重叠区域采用加速稳健特征算法检测特征点。利用图像间前后位置关系预测待匹配特征点的范围，在预测范围内筛选出最小欧氏距离的待匹配点。最后通过匹配特征点对的斜率粗筛选匹配点对，随机抽样一致性算法进行精匹配并计算单应性矩阵配准图像完成拼接，使用改进的加权平均算法融合拼接图像。实验结果表明：与暴力匹配和快速最近邻搜索算法相比，所提算法匹配率提高7.95%~26.52%，有效提高配准精度。同时，当图像分辨率为1600×1200时，多图拼接速率为2 frame·s-1，其效果优于AutoStitch软件拼接效果。
图像处理 显微图像 特征匹配 预测拼接 激光与光电子学进展
2024, 61(8): 0837012
天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室，天津 300072
图像匹配能将待匹配图像变换到原有图像的坐标系中，在各种视觉任务中起着重要的作用。基于特征的图像匹配算法能够在图像中匹配到一些更具区分度的特征，与其他图像匹配方法相比，其具有高精度、高灵活性、高鲁棒性等特点。针对传统特征匹配算法匹配稀疏的问题，提出一种基于改进深度特征匹配算法的密集特征匹配方法。首先，通过VGG网络提取图像的一系列特征图，在初始特征图进行最邻近匹配计算单应性矩阵并进行视角变换；然后，基于特征图的频域匹配特点进行深层特征图融合，用于特征粗匹配；最后，基于粗匹配的结果在浅层特征图上进行特征细匹配用于校正特征匹配的结果。实验结果表明：所提算法提升了特征匹配的精度和匹配的特征数量。
机器视觉 卷积神经网络 特征融合 图像匹配 图像处理 激光与光电子学进展
2024, 61(8): 0815001
