【儀表網(wǎng) 研發(fā)快訊】近期，中國科學院上海光學精密機械研究所空天激光技術(shù)與系統(tǒng)部研究團隊，提出了一種結(jié)合自適應編碼器的高通用性圖像復原方法。相關(guān)成果以“AdaptiveNet: a learning-based method for the restoration of optically degraded images”為題發(fā)表于Journal of Optics。
 

　　近年來，基于深度學習的圖像復原方法受到了廣泛的關(guān)注，并展示了諸多令人矚目的成果，但是它們的實際應用仍受到圖像退化多樣性的限制。
 

　　針對這一問題，該研究團隊提出了一種結(jié)合自適應編碼器的高通用性圖像復原網(wǎng)絡(luò)。該網(wǎng)絡(luò)引入了自適應編碼器(Adaptive Encoder，AE)來“自學習地”(無需類別標簽的情況下)分類不同實驗條件，從而在無需改變原有訓練策略的基礎(chǔ)上提升模型在不同條件下的性能。該工作在散射成像，高斯模糊和離焦復原等常見退化問題上開展了實驗。結(jié)果表明，AdaptiveNet在所有復原任務上均取得最優(yōu)評價指標�？梢暬Y(jié)果和真實退化圖像的測試也展示AdaptiveNet具有更優(yōu)的性能。網(wǎng)絡(luò)泛化性是限制模型廣泛應用的重要挑戰(zhàn)。該工作提出的結(jié)合網(wǎng)絡(luò)“自學習”的機制在多種任務上展現(xiàn)了高通用性，可以為眾多研究領(lǐng)域的通用算法設(shè)計提供有價值的參考。
 

　　相關(guān)工作得到了國家自然科學基金、上海市學術(shù)研究帶頭人計劃、上海市揚帆計劃等項目的支持。
 

圖1：AdaptiveNet模型框架，自適應編碼器的輸出與重建網(wǎng)絡(luò)融合。
 

　　圖2：AdaptiveNet在離焦模糊圖像復原任務中的表現(xiàn)。(a) AdaptiveNet在所有退化條件下均優(yōu)于UNet。(b)測試集的指標曲線，AdaptiveNet大幅優(yōu)于UNet。