面向大气湍流畸变场景的卷积图像校正方法

来源：计算机工程与应用杂志2024年第11期北京时间：

作者：成宽洪, 吴钰博, 朱凌建, 李佳, 李军怀

单位：1.西安理工大学 计算机科学与工程学院，西安 710048；2.西安理工大学 机械与精密仪器工程学院，西安 710048；3.中国人民解放军空军工程大学 基础部，西安 710051

摘要：大气湍流引发的折射率在时间和空间上的随机波动，会使远程成像系统捕获的图像出现时空模糊和几何畸变，严重削弱了图像的视觉效果和应用价值。针对这一问题，许多学者尝试采用多帧幸运区的方法和基于卷积神经网络的深度学习方法来修复大气湍流引起的图像畸变。然而，在强湍流情况下，这些方法通常模型训练难度较大，湍流自适应性校正能力较为薄弱。为了解决上述问题，经研究提出了一种改进的深度学习网络来提升湍流畸变校正的性能。该网络采用Transformer端到端的网络结构，利用多头自注意力跨通道捕获局部上下文信息；对一级校正网络采用蒙特卡洛Dropout策略进行训练，通过模型不确定性来提取传统方法难以捕获的退化区域；利用提取到的不确定性映射作为引导信息，输入第二级校正网络提升校正准确性。在基于时空模糊加几何畸变的合成湍流退化图像集上进行了实验，证明了提出方法的有效性。

关键词：图像处理,大气湍流,自注意力机制,不确定性映射