摘要：在利用深度学习进行偏振图像计算成像过程中,图像映射函数的解空间极大、空间分辨率一般较低,难以生成清晰的纹理细节且存在高频信息缺失等问题。为解决该问题,提出一种结合双注意力机制的深度残差偏振图像超分辨率网络。该网络由一个具有全局跳跃连接的残差网络组成,包含10个残差组,每个残差组包含20个具有局部跳跃连接的双重注意力块级联的残差块;同时考虑通道间的相互依赖性,设计自适应通道特征调整机制;引入级联的空间注意力块,将残差的特征更集中于关键的空间内容。将所提方法与Bicubic、SRCNN、FSRCNN、EDSR等方法进行对照实验与成像系统对比校正实验,结果表明该方法重建图像纹理细节更加丰富,亮度均匀,较为接近成像系统的高清图像,同时峰值信噪比和结构相似性指标优于其他方法但参数量仅约为EDSR的2/5。

摘要：深度学习模式下新型偏振计算成像方法存在随着网络深度的增加计算复杂度和内存使用相应增加以及分层特征提取不充分的问题,针对该问题,提出一种轻量级注意力级联网络的偏振计算成像超分辨率方法,采用级联连接和融合连接的方式来深化卷积层的表征能力,以有效地传递浅层特征并减少参数量。设计空间注意力自适应权重机制以提取关键的空间内容特征,构造空间金字塔网络增强多感受野下的偏振特征信息,特别地,上采样模块引入浅层与深层重建双路径,通过融合双层路径特征计算生成高分辨率偏振图像。最后,网络末端信息细化块用以学习更精细的特征并增强重建质量。实验结果表明:本文网络重建图像的纹理细节更加丰富,在全偏振图像集上2倍超分辨率的峰值信噪比为45.12 dB,参数量仅约为MSRN模型的9%。所提方法通过级联方式有效捕捉低频特征信息同时极大地减少参数量,并结合注意力金字塔结构探索深层特征,实现了轻量级网络的高效超分辨率重建效果。

摘要：为了提高低照度图像的视觉质量,提出一种基于方向性全变分Retinex的低照度图像增强方法.首先利用基于灰像素的色彩恒常方法恢复低照度图像的真实场景颜色;然后构造方向性相对全变分约束,据此估计照度图像;接着在计算反射图像时,利用方向性梯度残余最小约束来遏制增强过程中放大的噪声和伪影;最后根据当前像素亮度与其邻域平均亮度的关系拉伸局部亮度,得到最终的增强结果.采用从互联网上搜集的多幅低照度图像进行实验,结果表明,与一些当前国际先进水平的方法相比,文中方法得到的图像质量更佳、视觉效果更好.

摘要：定焦分孔径同时式高光谱偏振成像系统可同时获取多个偏振方向高光谱图像,是一种实时机载设计高光谱偏振成像系统。然而,这种设计各路成像单元存在固定偏差,且获取的图像易存在虚焦和扭曲现象,致使解析目标信息前需对图像进行配准。为了提高不同偏振方向高光谱图像间的配准精度,结合高光谱偏振图像配准算法暂无参考,非刚性图像配准算法适应范围小、效率低的现状,本文提出了基于图像畸变校正的高光谱偏振图像配准方法。首先,分析成像系统成像特点,建立成像模型;其次,消除虚焦模糊现象影响,获取该系统成像模型的畸变系数;最后,根据畸变系数对高光谱图像进行畸变校正,利用SIFT算法实现配准。以灰度差平方和(SSD)为相似度测度,对图像配准精度进行评价,实验结果表明,本文方法配准精度优于基于Demons算法、基于三次B样条FFD算法和基于SIFT算法,是一种有效的、快速的非刚性图像配准方法,既为非刚性图像配准方法提供新参考,也为定焦分孔径同时式高光谱偏振成像系统航拍图像信息解析奠定基础。

摘要：空间调制型全偏振计算成像同时获得可见光和红外通道图像,但是受探测器限制,2个通道的图像空间分辨率不一致,给后端的图像融合及目标探测过程带来不便.为此,提出基于场景特征迁移学习的空间调制型计算成像超分辨率方法.首先在分析空间调制计算成像的相同场景异源图像特点基础上,构建场景特征迁移模型;然后建立改进场景迁移卷积神经网络结构并选择修正线性激活函数,同时增加空间分辨率一致性约束;再设计最优光谱迁移响应学习策略,并作为前端输入加到超分辨率网络;最后将光谱迁移响应优化与全偏振超分辨率重建的参数联合学习,获得高分辨率偏振图像.利用实际成像系统的仿真数据及系统数据进行2倍和3倍超分辨率实验,从主观视觉效果、客观量化评价指标和偏振参量解析结果3个方面对多个指标进行评价.结果表明,文中方法在视觉效果上能够保持目标轮廓并抑制噪声干扰,在16个客观指标对比数据上取得了10个优于、3个相同和3个低于的结果,验证了该方法的有效性,为成像系统定标校正提供数据支持.

摘要：为了同时获取目标光谱和偏振信息,基于正交双偏振法和声光可调谐滤光器,设计了一套分孔径同时式高光谱偏振成像系统。从高光谱偏振成像原理出发,介绍了成像系统的结构设计、光学设计和机械设计,利用穆勒矩阵理论对系统成像过程进行了分析。利用所设计的成像系统对三种伪装网和灌木丛进行检测分类实验。实验结果表明:伪装网与灌木丛的高光谱偏振特性存在较大差异,将光谱信息和偏振信息结合起来有利于提高检测能力和分类准确性;分孔径同时式高光谱偏振成像系统是一种有效、紧凑且可实时探测的高光谱偏振成像系统。

摘要：针对红外图像在提高分辨率的同时容易存在振铃效应及细节丢失的问题,提出一种多尺度卷积稀疏编码的快速超分辨率方法.首先将输入图像多尺度分解得到平滑分量和细节纹理分量,对最终的平滑分量进行双三次插值放大作为输出图像的平滑分量;然后通过叠加每个尺度的高分辨率滤波器及其对应尺度的高分辨率特征映射卷积后求和,得到输出图像的高频纹理结构,其中,每个尺度的高分辨率特征映射是由对应尺度的低分辨率特征映射通过放大和保稀疏的映射函数变换得到,而滤波器利用较少的可分离滤波器线性表示且卷积迭代求解过程优化.对通用性及实验室采集的红外图像的实验结果表明,同改进前的算法相比,文中方法提高了图像的峰值信噪比,不仅在保持良好的一致性基础上实现高分辨率图像的复原,而且有效地抑制了振铃效应;图像边缘纹理明显,也有效地提高了处理速度.

摘要：由于迷彩伪装目标与所处背景高度融合,现有深度目标检测模型在此类目标上的检测效果并不出众。为提升对迷彩伪装目标的检测精度,以YOLOv5s模型为基础,提出了CAMOU-YOLO——一种结合深度可分离卷积和动态注意力的迷彩伪装目标检测模型。针对迷彩伪装目标特征提取难的问题,结合深度可分离卷积与残差结构设计了新的特征提取模块,并对原有骨干网络进行改进,在增强提取能力的同时,减小了模型的参数量;针对迷彩伪装目标定位难度大的问题,在聚合网络中引入动态注意力机制,强化了模型的空间感知能力,使模型对迷彩伪装目标的定位更加精准。在一种公开的迷彩数据集上进行实验,CAMOU-YOLO的mAP@0.5、mAP@0.75和mAP@0.5:0.95指标较原始模型提高了3.2%、5.1%、2.3%,在大、中、小目标上的召回率分别提高了4.1%、2.7%、1.2%,且参数量降低了9.7%;对比其他7种检测算法,CAMOU-YOLO在检测精度上亦具有优势,验证了所提模型对迷彩伪装目标检测任务的有效性。

摘要：紫外偏振成像技术在痕迹检测、宇航探测等方面有着独特的优势,然而目前已开展的研究主要针对紫外偏振成像技术和系统本身,而针对紫外偏振成像系统定标方法的研究还相对缺乏。为了解决紫外偏振成像系统的定标问题,利用自研的紫外偏振分时成像系统研究设计了一种系统定标实验方法。通过分析紫外偏振成像系统的设计原理,开展定标实验,实现了紫外偏振成像系统的辐射定标和偏振定标。测试结果表明,定标后系统均匀性误差降至1%以下,偏振度测量误差小于2%,满足系统定标精度要求,验证了该定标实验方法的有效性,对紫外偏振成像系统定标具有指导意义。

摘要：汗潜指纹是犯罪现场最常见的指印类型,具有特征消失快且不易被检测等特点。根据其特点,使用紫外偏振成像探测技术进行目标检测,相比传统强度图像,偏振参量图像可以提高目标对比度,有助于辨别不同背景中的目标。但紫外偏振成像探测技术对角度、波段及客体材料等较为敏感,所以通过设计合理的实验,分析了汗潜指纹紫外偏振反射特性随角度、波段及客体材料的变化特点。结果表明:汗潜指纹在不同角度下表现出规律的偏振特性;在系统提供的四个光谱偏振通道中,近紫外波段相比之下有很好的可重复性和区分性;不同客体材料偏振特性差异变化较大,对比分析样本的紫外偏振反射特性能有效提高潜指纹的探测和识别性能,为汗潜指纹紫外偏振成像探测技术提供依据。