1 北京交通大学信息科学研究所，北京 100044
2 现代信息科学与网络技术北京市重点实验室，北京 100044
3 香港理工大学电子及信息工程系光子研究所，香港 999077
首先，利用自洽约束生成对抗网络（SCGAN）建模布里渊增益谱（BGS）中的真实噪声分布，生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析，证明了两种噪声的差异。然后，利用2种噪声分别训练3种最新的去噪卷积神经网络，在不同温度、不同信噪比的实验数据上对比了各网络的性能。实验结果表明，所提方法能准确获取低信噪比BGS的布里渊频移，说明基于生成对抗网络的噪声提取方式能够有效地建模真实噪声，更好地训练有监督网络。
光纤光学 布里渊分布式光纤传感 图像去噪 生成对抗网络 自洽约束 噪声建模
福州大学物理与信息工程学院，福建 福州 350108
针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题，提出了一种非下采样剪切波变换（NSST）域结合生成对抗网络（GAN）的低照度图像增强方法。首先，收集弱光图像和正常光图像数据集，将图像进行RGB颜色空间到HSV颜色空间的变换处理，保持色度、饱和度分量不变，对亮度分量进行NSST多尺度分解，利用分解得到的低通子带图像构建训练集；其次，构建基于GAN的低频子带图像增强模型，并利用低频子带图像训练集对模型进行训练；然后，对待处理的低照度图像进行NSST分解，利用训练的模型增强低频子带图像，利用尺度相关系数去除各高频方向子带噪声，并通过非线性增益函数增强边缘系数；最后，将增强处理后的低频、高频子带图像进行NSST重构，并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比，就低照度图像增强而言，结构相似度平均提升了3.89%，均方误差平均降低了1.03%，且在对噪声图像增强时，峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明，所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升，能有效改善低照度图像的低质问题，为后续的图像处理分析奠定基础。
低照度图像增强 非下采样剪切波变换 生成对抗网络 图像去噪 图像边缘增强 激光与光电子学进展
2023, 60(24): 2410007
南开大学现代光学研究所，天津市微尺度光学信息技术科学重点实验室，天津 300350
以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言，其很难获取多帧配准的真值图像，这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪，并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能，并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果，可以实现视网膜OCT图像高质量降噪，具有较强的泛化性，而且与监督学习相比，无监督学习在数据集不充分时仍能获得较好的降噪性能，可以有效地辅助医生进行准确高效的临床诊断。
光学相干层析技术 视网膜 图像去噪 深度学习 无监督学习 光学学报
2023, 43(20): 2010002
1 云南师范大学物理与电子信息学院云南省光电信息技术重点实验室，云南 昆明 650500
2 上海交通大学电子工程系，上海 200240
合成孔径雷达（SAR）在成像过程中由于固有成像机制的缺陷导致图像被乘性噪声污染，图像噪声对后续目标检测识别等处理过程造成了阻碍。现有的去噪算法存在不能自适应估计噪声大小和对边缘保持效果不理想的问题，如何自适应处理不同噪声水平的图像是一个研究难点。提出一种基于盲估计和双边滤波的SAR图像稀疏去噪算法。首先利用双边滤波得到具有良好边缘保持特性的预处理图像；接着利用盲估计获取图像全域噪声水平，将其充当稀疏重建过程中的残差阈值；最后利用稀疏编码和字典学习算法，用尽可能少的原子信息来表示图像，达到图像去噪的目的。实验结果表明，结合了盲估计的稀疏重建算法不仅有效去除了图像噪声，使等效视数获得了显著提升，而且峰值信噪比和边缘保持指数也有良好的表现，有效保留了原图的细节纹理信息。
合成孔径雷达 稀疏表示 图像降噪 盲估计 双边滤波 激光与光电子学进展
2023, 60(16): 1610001
1 信息工程大学信息系统工程学院，河南 郑州 450001
2 河南省文物考古研究院，河南 郑州 450001
针对实验室显微CT扫描过程会产生噪声，导致重建后CT图像质量下降的问题，提出一种深层多残差编解码卷积去噪网络。以原始的残差编解码网络为基础，首先通过增加网络的卷积层数，引入多残差映射，实现对实验室级显微CT图像中噪声分布特性的有效学习；其次设计了专用的混合损失函数，增强网络对图像细节信息的保留能力。实验结果表明，所提方法对CT图像中的噪声具有显著的抑制效果，同时能够极大程度地保留图像的结构信息和特征信息。
图像处理 图像去噪 显微CT 无损检测 残差学习 混合损失函数 激光与光电子学进展
2023, 60(14): 1410014
1 南京邮电大学 电子与光学工程学院，江苏南京20023
2 江苏北方湖光光电有限公司，江苏无锡14035
3 南京邮电大学 自动化学院，江苏南京21002
为了提高基于深度学习的图像降噪效率，提出了一种基于Res2-Unet-SE的多阶段监督深度残差（Multi-stage Supervised Deep Residual，MSDR）降噪神经网络。首先基于该神经网络，将图像降噪分为多阶段处理过程；然后在各处理阶段，将不同分辨率图像块输入到Res2-Unet子网络中获取不同尺度特征信息，并通过通道注意力机制将自适应学习的特征融合信息传递到下阶段；最后将不同尺度特征信息叠加，完成高质量的图像降噪。实验选择BSD400数据集用于训练，通过Set12数据集进行高斯噪声的降噪测试；通过SIDD数据集完成真实噪声的降噪测试。通过与常见的降噪神经网络对比表明，对图像添加σ=15，25，50的高斯噪声时，经本文算法降噪后的图像PSNR比对高斯噪声消除性能较好的DNCNN分别提高0.03 dB，0.05 dB，0.14 dB；在σ=25，50时，相较于MPRNET分别提高了0.02 dB， 0.06 dB。对含真实噪声的图像，经本文算法降噪后的图像PSNR比CBDNET算法提高0.48 dB。实验分析表明，本文算法在图像降噪上具有较高的鲁棒性，不仅能从噪声中有效恢复图像细节，还能充分保持图像的全局依赖关系。
图像降噪 真实噪声 残差网络 通道注意力机制 监督注意力机制 image denoising real noise residual network channel attention mechanism supervisory attention mechanism
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学精密仪器与光电子工程学院, 天津 300072
3 莱仪特太赫兹（天津）科技有限公司, 天津 300019
太赫兹光谱成像, 不但包括在二维图像空间的强度信息, 同时可以得到太赫兹波段的光谱信息, 构成了一个三维的数据矩阵。 由于受到太赫兹成像系统内部硬件的限制和影响, 太赫兹频域较高频段处信号存在能量弱、 信噪比低的特点, 导致所成的太赫兹图像普遍存在分辨率低、 对比度低等问题。 因此, 利用三维数据矩阵, 应用适合的算法, 实现了提高太赫兹光谱成像空间分辨率、 边缘细节可见度的目的。 搭建了三维可移动式太赫兹时域光谱成像系统, 实现了对标准高分辨率板的二维扫描。 对该系统所采集到的信号分别进行时域、 频域等多种方式成像对比, 结合瑞利判据和分辨率标尺对成像系统的空间分辨率、 景深进行标定, 研究了提高太赫兹光谱成像的空间分辨率算法。 然后, 针对太赫兹频域高频区域信噪比低、 对比度低、 噪声原因复杂的特点, 结合深度残差学习的图像去噪理论, 提出了太赫兹图像深度去噪网络, 在训练集中引入成像系统中真实的“太赫兹残差噪声”。 最后, 利用所训练出的模型对太赫兹频域高频区域图像进行盲去噪, 并用重建图像分别与原始成像结果和传统太赫兹去噪算法结果进行比较, 分别从主观和客观两个方面评价了不同算法对太赫兹频域高频图像的去噪效果。 实验结果表明, 通过该算法实现了极限空间分辨率约为157 μm, 去噪后图像极限空间分辨率处的瑞利判据鞍-峰比约为0.623, 图像整体对比度为46.635; 空间分辨率相比传统成像方法提高了约一倍, 对比度提高约26%。 研究结果为高空间分辨率高可见度的太赫兹光谱成像方式提供了一种新的规范, 并针对太赫兹频域较高频区域的图像噪声问题提供了一种新的解决方案。
太赫兹光谱成像 空间分辨率 图像去噪 深度卷积神经网络 Terahertz spectral imaging Spatial resolution Image denoising Deep learning
