胡清華，左旺孟，張長青，任冬偉，韓向娣
1.天津大學，天津 300072；
2.哈爾濱工業大學，哈爾濱 150001；
3.《中國圖象圖形學報》編輯部，北京 100190
視頻圖像是人類獲取信息的重要通道，也是大數據時代占比最高的信息載體。當前，圖像視頻傳感裝置被廣泛使用，成為交通、醫療、安防、質檢等應用領域必不可缺的基礎設施。在自動駕駛、智慧城市、深海深空探測等開放應用環境中，數字圖像的采集受到軟硬件制約和不理想拍攝環境的影響，噪聲、低分辨率、模糊、雨霧、甚至缺損等低質圖像數據大量出現，為圖像處理及其語義理解任務帶來嚴峻挑戰。
近年來，基于大規模的高質量圖像數據集，盡管物體分類/檢測/分割和行為識別等語義理解任務在深度模型、學習方法方面取得了快速發展，但其處理低質圖像時性能仍十分有限。同時，開放應用環境中成對訓練數據采集受限，基于半監督、無監督學習方法的低質圖像處理和語義理解亟待研究。如何發展有效的低質圖像處理方法、構建面向低質圖像的語義理解方法體系成為計算機視覺領域的關鍵性問題和挑戰性難題，受到廣大學者的高度關注。
為了更好地促進低質圖像處理和語義理解研究與應用的發展，為相關學者提供學術交流的平臺，《中國圖象圖形學報》邀請業內專家共同策劃推出“低質圖像處理與語義理解”專欄，主要聚焦于低質圖像和視頻的復原與增強以及面向低質視覺數據的語義理解等研究，促進相關智能算法在自動駕駛等領域的落地應用。歡迎人工智能、計算機視覺等相關領域的科研人員及企業同仁踴躍投稿。
專欄收到領域內相關學者積極踴躍的投稿。經過嚴格評審，共收錄學術論文9篇，其中綜述1篇、算法論文8篇。
綜述《圖像去模糊研究綜述》（作者：胡張穎，周全*，陳明舉，崔景程，吳曉富，鄭寶玉）回顧了整個圖像去模糊領域的發展歷程，對盲圖像去模糊和非盲圖像去模糊中具有影響力的算法進行論述和分析。討論了圖像模糊的常見原因以及去模糊圖像的質量評價方法。全面闡述了傳統方法和基于深度學習方法的基本思想，并針對圖像非盲去模糊和圖像盲去模糊兩個方面的一些文獻進行了綜述。基于深度學習的方法包括基于卷積神經網絡、基于循環神經網絡、基于生成式對抗網絡和基于Transformer 的方法等。簡要介紹了圖像去模糊領域的常用數據集并比較分析了一些代表性圖像去模糊算法的性能。最后，探討了圖像去模糊領域所面臨的挑戰，并對未來的研究方法進行了展望。
《基于照度與場景紋理注意力圖的低光圖像增強》（作者：趙明華，汶怡春，都雙麗*，胡靜，石程，李鵬）能有效提升圖像亮度和對比度，且在突出暗區紋理時，能有效抑制噪聲。論文方法用于極低照度圖像時，在色彩還原、細節紋理恢復和噪聲抑制方面均具有明顯優勢。代碼已共享在Github 上：https://github.com/shuanglidu/LLIE_CEIST.git。
《輕量級圖像超分辨率的藍圖可分離卷積Transformer 網絡》（作者：畢修平，陳實，張樂飛*）所提出的藍圖可分離卷積Transformer 網絡BSTN 以較少的參數量和浮點運算量達到了先進水平，能獲得高質量的超分辨率重建結果。
《圖像復原中自注意力和卷積的動態關聯學習》（作者：江奎，賈雪梅，黃文心*，王文兵，王正，江俊君）論文在背景修復中引入退化先驗，并據此提出一種動態關聯學習的圖像修復方法。核心是一個新的多輸入注意力模塊，將降質擾動的消除和背景修復關聯起來。通過結合深度可分離卷積，利用CNN 和SA 兩種架構的優勢實現高效率和高質量圖像修復。論文算法在效果和性能上具有優勢，在常見的圖像去雨、低照度圖像增強和水下圖像修復等任務上優于其他代表性的方法。
《局部特征增強的轉置自注意力圖像超分辨率重建》（作者：孫陽，丁建偉*，張琪，鄧琪瑤）所提出的網絡模型能夠充分地對特征信息全局關系進行建模，同時也不會丟失圖像特有的局部相關性。重建圖像質量明顯提高，細節更加豐富，具有一定的有效性與先進性。
《結合稀疏先驗與多模式分解的低秩張量恢復方法》（作者：楊秀紅*，茍田坤，薛怡，金海燕，石爭浩）提出的基于稀疏先驗與多模式張量分解的低秩張量恢復方法，可同時利用張量的全局低秩性與局部稀疏性，能夠對受損的多維視覺數據進行有效修復。
《視覺顯著性驅動的全景渲染圖非局部降噪》（作者：韓魯光，陳純毅*，申忠業，胡小娟，于海洋）首先使用全景圖顯著區域檢測算法獲取全景畫面的顯著區域；
然后使用梯度幅值相似性偏差輔助的非局部均值（GMSDA-NLM）濾波算法，降低顯著區域的噪聲；
同時設計并行非局部均值（P-NLM）濾波算法，加快降噪處理速度，降低非顯著區域噪聲；
最后利用改進的Canny 算法提取梯度特征，同時結合各向異性擴散引導濾波來優化降噪結果。該算法能夠很好地用于全景圖降噪，濾波效果佳，對全景電影制作應用有重要的理論和實際意義。
《MSPRL：面向圖像逆半色調的多尺度漸進式殘差學習網絡》（作者：李飛宇，楊俊*，桑高麗）提出的逆半色調模型，綜合UNet架構和多尺度圖像信息的優點，選用合適的訓練策略，使得圖像重建的細節與紋理更加清晰，視覺效果更加細致。
《語義分割和HSV 色彩空間引導的低光照圖像增強》（作者：張航，顏佳*）提出一個迭代圖像增強網絡，逐步學習低光照圖像與增強圖像之間像素級的最佳映射，同時為了在增強過程中保留語義信息，引入一個無監督的語義分割網絡并計算語義損失，該網絡不需要昂貴的分割注釋。為了進一步解決色彩失真問題，在訓練時利用HSV 色彩空間設計HSV 損失；
為了解決低圖像圖像增強中出現細節不清晰的問題，設計了空間一致性損失，使增強圖像與對應的低光照圖像盡可能細節一致。所提出的低光照圖像增強方法能有效解決細節不清晰、色彩失真等問題，具有一定的應用價值。
我們期待廣大讀者和科技人員通過“低質圖像處理與語義理解”專欄，能夠更深入、更全面地了解該領域的最新方法和應用，吸引更多學者從事相關研究并產生具有國際影響力的優秀成果，為本領域的發展做出新的貢獻。
猜你喜歡 低質圖像增強圖像處理 圖像增強技術在超跨聲葉柵紋影試驗中的應用燃氣渦輪試驗與研究(2021年6期)2021-08-01水下視覺SLAM圖像增強研究海洋信息技術與應用(2020年4期)2021-01-18想離離不了，想過過不好——低質婚姻面面觀海峽姐妹(2019年8期)2019-09-03虛擬內窺鏡圖像增強膝關節鏡手術導航系統中國生物醫學工程學報(2019年5期)2019-07-16基于圖像處理的機器人精確抓取的設計與實現制造技術與機床(2018年12期)2018-12-23走出“低質婚姻”的霧霾海峽姐妹(2018年11期)2018-12-19機器學習在圖像處理中的應用電子制作(2018年18期)2018-11-14基于圖像增強的無人機偵察圖像去霧方法北京航空航天大學學報(2017年3期)2017-11-23大興安嶺不同類型低質林土壤和枯落物的水文性能1)東北林業大學學報(2017年10期)2017-10-24不同類型低質林生物多樣性的綜合評價林業科技(2017年4期)2017-08-10