1 中国科学院西安光学精密机械研究所，陕西 西安 710119
2 中国科学院大学，北京 100049
针对数字化装备构建需求，以天基数字成像系统为研究对象，提出成像链路数理模型构建方法。建立相机、目标光学观测可见性模型和目标几何与光学特性模型，并通过路径追踪全局光照算法及光线重要性采样方法构建成像辐射传输模型，经过光电能量转换及成像调制模型输出空间目标数字成像结果。基于成像平台和空间目标的轨道参数，对比 Satellite tool kit (STK) 二体轨道模型15 d内的可见性仿真结果，验证了提出的可见性模型的正确性。在时间间隔3 s，距离70~200 km的条件下，对姿态对地定向目标进行成像仿真，结果表明，该成像链路数理模型可以有效生成在满足轨道监测条件下的目标序列图像，同时文中模型对天基装备数字系统建设也具有一定参考价值。
天基成像 数理模型 全局光照 空间目标 space-based imaging mathematical model global illumination space target 红外与激光工程
2023, 52(12): 20230351
针对在低光照环境下拍摄的图像受光照强度的影响而导致图像质量差的问题，本文提出了基于双边滤波的MSR与AutoMSRCR算法融合的低光照图像增强算法。首先，在原始低光照图像的HSV颜色空间中针对V分量使用基于双边滤波MSR算法对亮度通道进行增强，得到保留原有色彩信息的亮度增强图像。然后，将此初始亮度增强图像运用CLAHE算法基于LAB颜色空间进行亮度通道细节增强，得到细节增强的图像。最后，采用AutoMSRCR算法对原始低光照图像进行处理，并与细节增强图像进行加权融合得到最终的增强图像。以UCIQE，AG，SD，IE为评价指标，将经过该算法增强的图像与MSR算法，MSRCR算法，CLAHE算法，改进GAMMA算法等进行比较。结果表明，使用该图像增强算法处理的图像效果最佳，UCIQE达到了0.472 1，AG达到了12.674 2，SD达到了0.263 2，IE达到了7.637 9。增强后的图像色彩信息更加丰富，图像更加清晰，图像对比度更好，图像的边缘纹理信息保留更完整，图像质量更高，本研究为低光照图像增强提供了一种可行方法。
低光照图像 图像增强 双边滤波 细节增强 加权融合 low light image image enhancement bilateral filtering detail enhancement weight fusion 光学 精密工程
2023, 31(24): 3606
1 南京航空航天大学自动化学院, 南京 210000
2 近地面探测技术重点实验室, 江苏 无锡 214000
针对低光照航拍图像亮度低、对比度弱、噪声多、细节缺失等问题, 提出一种基于Retinex和多注意力机制的低光照航拍图像增强 (MARNet) 方法。首先, 将低光照航拍图像分解为光照图和反射图, 再将CBAM注意力机制引入噪声调整网络, 让网络更加关注高噪区域, 去除反射图中大量噪声; 然后, 设计了由上下采样结构组成的光照调整网络, 引入通道注意力机制, 提升光照图亮度, 同时, 加入区域损失函数, 提高细节对比度; 最后, 为实现低光照近地面目标检测与跟踪, 利用低光照图像合成方法, 加入真实噪声, 制作了一套低光照航拍配对数据集。实验结果表明, 所提方法在提高图像亮度、减少噪声的同时还原了细节信息, 3项性能指标PSNR, SSIM和NIQE及人类视觉感知效果均有所提升。
低光照航拍图像 图像增强 Retinex理论 多注意力机制 区域损失 low-light aerial image image enhancement Retinex theory multi-attention mechanism regional loss
1 西安工业大学电子信息工程学院，陕西 西安 710021
2 西安工业大学本科生院，陕西 西安 710021
3 北京微电子技术研究所，北京 100000
针对现有利用可见光与红外模态融合的行人目标检测算法在全天候环境下漏检率高的问题，提出一种基于光照感知权重融合的多模态行人目标检测算法。首先，使用引入高效通道注意力（ECA）机制模块的ResNet50作为特征提取网络，分别提取两个模态的特征；其次，对现有光照加权感知融合策略进行改进，通过设计一种新的光照感知加权融合机制获取可见光与红外模态的对应权重，并进行加权融合得到融合特征，从而降低算法的检测漏检率；最后，将从特征网络最后一层提取的多模态特征和生成的融合特征共同送入到检测网络，完成行人目标检测。实验结果表明，所提算法在KAIST数据集下具有良好的检测性能，在全天候下对行人目标的检测漏检率为11.16%。
多模态图像融合 注意力机制 光照感知权重融合 行人检测 激光与光电子学进展
2023, 60(16): 1610008
1 安徽理工大学电气与信息工程学院，安徽 淮南 232001
2 中国矿业大学信息与控制工程学院，江苏 徐州 221008
针对光照不均的叶部病害图像，提出一种非线性全局亮度校正的自适应增强算法。首先对原始图像进行高斯滤波和自适应均衡化预处理，将色彩空间转至HSV；使用多尺度Retinex算法估计出V分量的光照分量，结合最大类间方差分割法（OTSU）计算出的亮暗区域的最佳分割阈值和构造的非线性亮度校正函数，将亮暗区域的亮度分别自适应调整，再和原始V分量融合得到校正后的V分量；对HSV空间的S分量进行gamma校正，重组还原成RGB图像。实验结果表明，该算法能有效降低光照不均对图像的影响，在暗区域增强的同时保障了亮区域的自适应增强，提升了图像的清晰度和亮度的均匀性，相对于限制对比度自适应直方图均衡化算法（CLAHE）、非线性校正算法和彩色恢复多尺度Retinex算法（MSRCR），在平均梯度、信息熵、峰值信噪比和结构相似性方面性能更优。
图像处理 光照不均匀 OTSU Retinex 图像增强 非线性校正 激光与光电子学进展
2023, 60(16): 1610002
1 华东交通大学智能机电装备创新研究院, 江西 南昌 330013
2 浙江德菲洛智能机械制造有限公司, 浙江 金华 321000
糖度(SSC)是苹果内部品质主要评价指标之一, 近红外光谱技术是预测苹果SSC的首选技术, 优化近红外光谱采集装置的参数, 可以提升模型的性能。 采用本课题组自主研发的动态在线设备采集苹果的近红外光谱(350~1 150 nm), 研究不同参数条件下(运动速度、 积分时间和光照强度)对近红外光谱预测苹果糖度模型的影响, 优化动态在线装置的参数。 210个红富士苹果被分为两批, 第一批90个苹果样品, 经过Kennard-Stone算法(K-S)算法分为建模集和预测集, 用于研究不同运动速度、 不同积分时间对苹果SSC含量在线预测模型的影响。 在0.3和0.5 m·s-1两种运动速度下, 使用多元散射校正(MSC)、 小波变换(WT)、 标准正态变量变换(SNV)对采集到的光谱进行预处理, 对不同移动速度的光谱构建糖度的偏最小二乘回归模型(PLS), 结果表明: 装置的运动速度为0.5 m·s-1所建立的预测模型性能较优, 在四种不同积分时间中, 积分时间为120 ms时, 经SNV预处理所建立的模型性能最优, 其预测集的相关系数和均方根误差分别为0.968和0.331。 第二批苹果120个, 经K-S分为建模集和预测集, 选择运动速度为0.5 m·s-1, 积分时间为120 ms的装置参数进行不同光照强度对苹果SSC预测模型影响的研究, 结果发现: 在光照强度为4.5 A时, 采集到的光谱相对其他光照强度组有较大的变化, 光谱在640和800 nm处的波峰基本消失。 在光照强度为6.5 A时, 经SNV预处理后建立的模型性能最优。 再使用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)对采集的光谱数据进行波长筛选后, 建立苹果SSC模型, 结果表明: CARS-PLS所建立的模型性能较好, 其预测集的相关系数和均方根误差分别为0.991和0.149, 同时简化了模型, 提高了模型的稳定性。 研究表明: 对动态在线设备进行参数优化, 有助于提高苹果模型的预测精度, 该研究有助于对苹果品质在线分选提供技术支持。
近红外光谱分析技术 动态在线装置 光照强度 波长筛选 参数优化 Near-infrared spectrum Dynamic on-line Light intensity Wavelength screening Parameters optimization
1 中国科学院上海微系统与信息技术研究所微系统技术重点实验室，上海 201800
2 中国科学院大学，北京 100049
针对低光照环境下现有的目标检测算法普遍存在检测精度较低的问题，提出一种改进YOLOv5的双通道低光照图像目标检测算法（YOLOv5_DC）。首先，通过伽马变换和叠加高斯噪声的方法合成低光照图像，扩充数据集，提高模型的泛化能力；其次，提出特征增强模块，引入通道注意力机制，融合增强图像和原始图像的低级特征，抑制噪声特征的影响，改善网络的特征提取能力；最后，在颈部网络中加入特征定位模块，增加特征图在目标区域的响应值，使网络更关注目标区域，提高网络的检测能力。实验结果表明：所提YOLOv5_DC算法实现了更高的检测精度，在低光照图像目标检测数据集ExDark*上的平均精度均值（mAP）@0.5达71.85%，较原始的YOLOv5算法，提高了1.28个百分点。
目标检测 低光照图像 YOLOv5网络 图像增强 注意力机制 激光与光电子学进展
2023, 60(4): 0404001
1 武汉科技大学 信息科学与工程学院，湖北 武汉 430081
2 武汉科技大学 教育部冶金自动化与检测技术工程研究中心，湖北 武汉 430081
针对非均匀光照图像存在局部过暗或过亮区域而导致图像对比度低、细节不清晰和可视化效果差的问题，提出了一种基于对称亮度映射和虚拟多曝光融合的图像增强方法。该方法通过颜色空间转换保留输入图像的色度和饱和度分量并分离出亮度分量进行增强。根据相机响应模型，采用图像信息熵和平均梯度最大化原则估计最优曝光比，设计了一种对称亮度映射函数用于虚拟生成对应的最优增强曝光图像和减弱曝光图像，从而与原始亮度分量一起组成具有不同曝光的图像序列，再使用带细节提升的多曝光融合方法对该图像序列重构即得到增强结果。实验结果表明，本文方法在7个公开数据集上的图像信息熵、平均梯度、图像对比度、颜色一致性评价指标均值分别为7.644，9.209，450.683，0.962，均优于对比方法，获得了动态范围高、对比度强、细节清晰和可视化效果好的增强结果。
非均匀光照 图像增强 亮度映射函数 多曝光融合 non-uniform illumination image enhancement brightness mapping function multi-exposure fusion
1 桂林理工大学机械与控制工程学院，广西 桂林 541006
2 桂林理工大学外国语学院，广西 桂林 541006
3 扬州大学机械工程学院，江苏 扬州 225009
基于机器视觉的粗糙度测量方法大多是根据粗糙度关联指标建立预测模型，或者利用深度学习网络建立无指标预测模型，而这两类方法均存在着不足。一方面，人工设计指标的计算过程复杂，不利于在线检测。另一方面，深度学习模型则严重依赖大数据，数据量不足难以训练出有效的模型。针对以上问题，本文提出一种基于图神经网络的铣削表面粗糙度测量方法。该方法在训练阶段获取了自主学习的能力，而后仅需要少量铣削样本就能够完成铣削工件的粗糙度测量。试验结果表明，本文方法在铣削工件的粗糙度测量上不仅能够自动提取特征，而且表现出了较高的精度和良好的光照环境鲁棒性。
表面粗糙度测量 图神经网络 小样本问题 特征自提取 光照环境 激光与光电子学进展
2022, 59(23): 2324001
