近期，中國科學(xué)院上海光學(xué)精密機(jī)械研究所空天激光技術(shù)與系統(tǒng)部研究團(tuán)隊(duì)，提出了一種結(jié)合自適應(yīng)編碼器的高通用性圖像復(fù)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(xué)習(xí)的圖像復(fù)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(shí)際應(yīng)用仍受到圖像退化多樣性的限制。
 

　　針對(duì)這一問題，該研究團(tuán)隊(duì)提出了一種結(jié)合自適應(yīng)編碼器的高通用性圖像復(fù)原網(wǎng)絡(luò)。該網(wǎng)絡(luò)引入了自適應(yīng)編碼器(Adaptive Encoder，AE)來“自學(xué)習(xí)地”(無需類別標(biāo)簽的情況下)分類不同實(shí)驗(yàn)條件，從而在無需改變?cè)杏?xùn)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(fù)原等常見退化問題上開展了實(shí)驗(yàn)。結(jié)果表明，AdaptiveNet在所有復(fù)原任務(wù)上均取得最優(yōu)評(píng)價(jià)指標(biāo)。可視化結(jié)果和真實(shí)退化圖像的測(cè)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(yīng)用的重要挑戰(zhàn)。該工作提出的結(jié)合網(wǎng)絡(luò)“自學(xué)習(xí)”的機(jī)制在多種任務(wù)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(jì)提供有價(jià)值的參考。
 

　　相關(guān)工作得到了國家自然科學(xué)基金、上海市學(xué)術(shù)研究帶頭人計(jì)劃、上海市揚(yáng)帆計(jì)劃等項(xiàng)目的支持。
 

圖1：AdaptiveNet模型框架，自適應(yīng)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(fù)原任務(wù)中的表現(xiàn)。(a) AdaptiveNet在所有退化條件下均優(yōu)于UNet。(b)測(cè)試集的指標(biāo)曲線，AdaptiveNet大幅優(yōu)于UNet。