面向大气湍流畸变场景的卷积图像校正方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2024，60（11）215

面向大气湍流畸变场景的卷积图像校正方法

11231

成宽洪，吴钰博，朱凌建，李佳，李军怀

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

文献标志码：A中图分类号：TP751doi：10.3778/j.issn.1002-8331.2309-0177

ConvolutionalImageCorrectionModelforAtmosphericTurbulenceDistortion

11231

CHENGKuanhong,WUYubo,ZHULingjian,LIJia,LIJunhuai

1.SchoolofComputerScienceandEngineering,Xi’anUniversityofTechnology,Xi’an710048,China

2.SchoolofMechanicalandPrecisionInstrumentEngineering,Xi’anUniversityofTechnology,Xi’an710048,China

3.DepartmentofBasicSciences,AirForceEngineeringUniversity,Xi’an710051,China

Abstract：Therandomfluctuationsinrefractiveindexcausedbyatmosphericturbulenceintimeandspacecancausespa-

tiotemporalblurandgeometricdistortioninimagescapturedbyremoteimagingsystems,seriouslyweakeningthevisual

effectandapplicationvalueoftheimages.Inresponsetothisissue,manyscholarshaveattemptedtousemultiframe

luckyzonemethodsanddeeplearningmethodsbasedonconvolutionalneuralnetworkstorepairimagedistortioncaused

byatmosphericturbulence.However,inthecaseofstrongturbulence,thesemethodsusuallyhavegreaterdifficultyin

modeltrainingandweakeradaptivecorr