智能图像处理技术专栏

Graphical abstract

专栏导语

智能图像处理技术赋能多领域创新发展

在当今数字化时代， 图像作为信息传递的重要载体， 其质量与处理效率直接影响着众多领域的发展进程。从医疗诊断到国防安全， 从工业检测到日常生活， 图像处理技术都扮演着不可或缺的角色。然而， 传统图像处理方法在面对复杂场景、 低质量图像以及多样化需求时， 往往存在诸多局限， 如高级特征提取不足、 低级特征易丢失、 对噪声敏感、 实时性差等。为此,本专栏精选了5篇聚焦不同图像处理方向的研究成果， 涵盖多模态医学图像融合、 SAR 图像目标分类、 气体泄露红外图像分割、 红外与可见光图像融合以及图像盲去模糊等关键领域， 展现了当前智能图像处理技术的前沿进展与应用潜力。

靳凯欣等针对多模态医学图像融合提出了基于膨胀卷积与图注意聚合的双分支编码器模型， 有效解决了高级语义特征与低级纹理特征难以同时保留的难题。该方法不仅在多项客观指标上显著提升， 更在视觉感知上表现出色， 为临床诊断提供了更可靠的图像支持。许丽龙等针对SAR图像目标分类任务， 设计了多注意力特征融合网络（MAFNet）， 结合自注意力与协方差注意力机制， 在MSTAR数据集上实现了99.96%的分类准确率， 展现出极强的特征表达与判别能力， 为高分辨率遥感图像的理解与分析提供了新思路。胡亚蕾等则在气体泄漏红外图像分割中引入边缘增强与通道重建机制， 在保持实时性的同时显著提升了分割精度与鲁棒性。该研究在复杂低对比度环境中仍能准确捕捉气体泄漏边界， 具备重要的工业安全应用价值。完琦等提出了一种基于类激活映射（CAM）的红外与可见光图像融合方法， 通过可解释的权重分配机制， 有效保留了双模态图像中的显著目标与纹理细节， 在TNO和RoadScene数据集上均达到领先性能， 为多源图像融合提供了新的设计范式。刘成琼等则从传统优化方法出发， 将Max-min先验与强度先验相结合， 用于图像盲去模糊任务， 在保持计算效率的同时显著提升了复原图像的质量， 尤其在文本与自然图像中表现出良好的泛化能力。

客座编辑简介

王丽芳， 博士， 中北大学教授， 博士生导师， 研究方向为计算机视觉、 人工智能、 多模态数据融合。近年来， 参与国家自然科学基金项目 2项， 主持山西省重点研发计划项目、 山西自然科学基金项目、 山西省回国留学人员基金项目、 山西省创新基金项目4项， 主持横向科研项目3项。独立出版《多模态医学图像配准与融合算法研究》专著1部， 在Neurocomputing、 Engineering Applications of Artificial Intelligence、Measurement、 Computers in Biology and Medicine、 ICIC、 IJCNN等国内外重要学术期刊上发表学术论文20余篇。授权国家发明专利4项， 专利转化1项。