数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。随着计算机、人工智能、深度学习等技术的发展,数字图像处理技术发展迅猛,广泛应用于航空航天、生物医学、通信工程、工业和工程、军事公安、文化艺术和电子商务等领域,未来还将涉及更多的领域,例如智慧城市、智能制造、虚拟现实、增强现实等。国内外许多课题组都围绕这一领域开展了广泛深入的基础和应用研究。
其于此背景,为推动数字图像处理技术的进步和应用,《液晶与显示》编辑部组织了“数字图像处理”专刊,围绕目标检测与识别、图像增强、图像分割等方面进行了理论、技术和应用研究成果的展示。本专刊收录了来自中国科学院长春光学精密机械与物理研究所、福州大学、上海海洋大学、陕西科技大学、贵州大学、辽宁工程大学等14 篇优秀稿件。
在目标检测与识别方面,孙海江等人针对复杂场景下红外图像中弱小目标像素占比少、特征细节不明显使目标特征提取困难、检测准确率低的问题,提出了一种基于注意力机制的复杂背景下红外弱小目标检测方法,该方法在不同复杂背景下均可有效检测出红外弱小目标,具有良好的鲁棒性和适应性。郭杰龙等人提出一种新型交并比的边界框损失函数,解决IoU、GIoU、CIoU 在特殊情况下的回归阻碍问题,完善了回归任务和评价指标的相关性和边界框中心点回归属性的完整性,提高了检测精度和收敛速度。王之一、王建立等人提出了一种基于差动共焦的倾角测量传感器,利用轴向扫描获取的差动响应信号精准定位焦点位置,分析显微镜光瞳面场强分布并提取光斑图像的峰值位置,从而实现对倾角的精准测量,该传感器为自由曲面的高精度轮廓测量提供了一种新的方法。乔继红等人提出一种融合相机主观场景成像色彩和白平衡的自动评测方法,充分提取彩色图像相关特征并模拟人眼视觉感知特性以评价图像颜色,所提方法能提高评价效率、节省人力,并可以获得与人眼主观判断一致性较好的评价结果。杨晨等人针对ResNet18 网络模型在面部表情识别时存在网络模型大、准确率低等问题,提出了一种基于注意力机制ResNet 轻量网络模型,能够以较少的参数量、较高的准确率实现面部表情的识别。潘昊等人针对扩展操作条件下SAR 目标识别的重难点问题,提出基于DBN 的属性散射中心匹配方法,在构建的属性散射中心匹配关系的基础上,定义相似度度量准则,基于最大相似度的原则确定测试样本所属类别,所提方法对于SAR 目标识别具有良好的有效性和稳健性。孙海江等人设计了一种基于现场可编程门阵列的Winograd 算法卷积神经网络加速器,该加速器的卷积层计算性能和计算效率优于其他FPGA 加速器设计方案,能够以较高能效完成遥感图像分类任务中的硬件加速计算。赵伟超等人针对开源航天信息的获取和分析过程中存在样本的内容过长且相关样本数量较少的问题,提出了一种基于有监督对比学习的航天信息分类方法,充分使用网络公开的数据资源,可有效地提取开源航天信息并生成对应图像,对航天信息的分析和研究具有重要价值。魏宪等人面向多姿态目标的在线类增量学习,提出了无视姿态重放方法缓解在线类增量学习中面对多姿态目标时的灾难性遗忘,能够不受目标姿态的影响,缓解灾难性遗忘,具有很好的稳定性和可塑性。
在图像增强方面,袁红春等人提出了轻量级特征融合网络和多颜色模型校正相结合的水下图像增强方法,该方法可以有效校正色偏,提升亮度、饱和度和对比度,使增强后图像色彩更自然丰富。王宇庆等人提出一种基于侧窗滤波改进的神经网络非均匀性校正算法,该算法能够有效去除图像中非均匀性噪声且无明显“鬼影”现象,在非均匀性校正效果和算法运行效率方面具有明显优势,为小算力、低功耗移动平台实现实时非均匀性校正提供了新的研究思路。马振玲等人提出一种改进U-Net 网络的图像混合畸变校正方法,使用深度学习的方法将畸变图像校正问题转为预测畸变图像的逐像素坐标变化问题,摆脱了传统方法中复杂的数学模型计算等问题。
在图像分割方面,徐杨等人提出了一种基于知识蒸馏的特征提炼语义分割模型FRKDNet,该模型能够更好地分离蒸馏知识的有效内容和噪声,相比于主流方法具有更好的分割性能和鲁棒性。邹耀斌等人基于图像二维生存函数提出一种快速二维累积剩余Tsallis 熵阈值分割方法,通过动态地调整熵参数,能有效区分无峰、单峰、双峰或多峰直方图模式图像的目标和背景,在不同直方图模式的图像上具有较强的分割鲁棒性。
以上一系列数字图像处理研究成果的展示,希望能为广大读者和相关领域的同行提供借鉴和参考并带来有益的启发。