为解决光在水下传播过程中由吸收与散射效应导致的水下图像模糊、对比度低和颜色失真问题, 提出一种基于Inception-Residual和生成对抗网络的水下图像增强算法。首先, 将退化水下图像缩放至256×256×3大小, 以获得用于训练模型的数据集。接着, 将Inception模块、残差思想、编码解码结构和生成对抗网络相结合, 构建IRGAN(Generative Adversarial Network with Inception-Residual)模型来增强水下图像。然后, 利用全局相似性、内容感知和色彩感知构造多项损失函数, 约束生成网络和判别网络的对抗训练。最后, 通过训练好的模型对退化水下图像进行处理以获得清晰的水下图像。实验结果表明: 与现有增强方法相比, 所提算法增强的水下图像在PSNR、UIQM和IE指标上的平均值分别比第二名提升13.6%、4.1%和0.9%。在主观感知和客观评估中, 增强后的水下图像在清晰度、对比度增强和颜色校正方面均得到改善。

为提升水下图像的增强效果,提出了一种基于金字塔注意力机制和生成对抗网络(GAN)的水下图像增强算法,该算法将生成对抗网络作为基本架构,生成网络采用编码解码结构并引入特征金字塔注意力模块,多尺度金字塔特征与注意力机制的结合有利于捕获更丰富的高级特征以提升模型性能;判别网络采用类似马尔可夫判别器的结构。此外,通过构建包含全局相似性、内容感知和色彩感知的多项损失函数,使增强后的图像与参考图像的结构、内容和色彩保持一致。实验结果表明,所提算法增强的水下图像在清晰度、颜色校正和对比度上都有所提升。其中,结构相似性、水下图像质量度量和信息熵的平均值分别为0.7418、2.9457和4.6925。在主观感知和客观评价指标上,所提算法的实验结果均优于对比算法。

为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。

针对低照度条件下图像对比度不高、颜色失衡和存在噪声等问题,提出了一种基于多分支全卷积神经网络(MBACNN)的低照度图像增强模型。该模型是一个端到端的模型,包含特征提取模块(FEM)、增强模块(EM)、融合模块(FM)和噪声提取模块(NEM)。通过对合成的低照度和高清图像样本进行训练,根据验证集的损失值不断调整模型参数,以得到最优模型;然后对合成低照度图像和真实低照度图像进行测试。实验结果表明,与传统的图像增强算法相比,所提出的模型能够有效提高图像对比度、调整颜色失衡并去除噪声,主观视觉和客观图像质量评价指标都得到进一步改善。

由于具有较高的可见波段荧光效率, 基于稀土掺杂氧化物的红外激光诱导热辐射具有重大的应用潜力。 进一步提高红外诱导热辐射效率具有重大的实用价值。 设计了一种改善稀土掺杂氧化物材料中红外诱导热辐射效率的方案, 即通过掺杂改性杂质, 既可以改变稀土离子周围局域晶场的对称性; 同时又引入了晶格缺陷。 对应的效果包括: 一方面, 可以通过增强稀土离子周围的晶场强度来提高稀土元素对于入射光子的吸收能力; 另一方面, 可以利用晶格缺陷作为猝灭中心来增加材料的热转化能力, 最终将显著提高杂质改性材料的光热转化效率, 即获得更加高效的红外诱导热辐射材料。 为了验证设计方案的可行性, 利用溶胶-凝胶方法合成了不同浓度的镱离子和锂离子的共掺杂样品, 通过XRD及TEM测试分析了杂质对样品结构的影响, 并且基于荧光发射光谱具体研究了杂质掺杂浓度对热辐射效率的影响。 该工作为高效稀土掺杂热辐射材料的制备提供一定的参考。

系统误差的实时修正是保证望远镜观测精度最基本的条件之一.利用靶场试验数据进行计算机仿真,结果表明:与传统的单项误差法相比,球谐函数法对望远镜系统误差修正的精度在方位和俯仰方向上分别提高了30%和50%.并首次将该方法应用到了望远镜的系统误差动态修正中.