基于全局语义学习和显著目标感知的激光干扰图像修复

光电成像侦察装备在受到激光干扰时,成像中会出现干扰光斑。 激光干扰光斑会显著降低图像质量并遮挡目标关键信 息,严重影响检测与跟踪系统的性能。 针对典型目标场景下的激光干扰图像,构建了一种基于全局语义学习和显著目标感知的 修复网络,旨在推理出语义合理和目标完整的图像内容。 提出了一种门控语义学习机制,首先通过上下文注意力机制建立干扰 区域和已知区域之间的远距离信息相关性并推理干扰区域内容;然后利用多尺度特征聚合模块在不同感受野上细化推理区域 的内容,实现在干扰区域重建丰富的语义信息;最后通过门控机制自适应融合已知区域和重建区域特征,提高修复图像的全局 语义一致性。 同时,设计了显著目标一致性损失,利用基于显著目标掩码的梯度惩罚方法,从形状和纹理两个方面指导修复网 络感知显著目标,提高修复目标的轮廓清晰度和纹理连贯性。 在飞机、桥梁、道路等典型目标场景下的实验结果表明,提出的网 络在生成视觉真实且目标完整的内容方面优于其他方法,并在面对复杂干扰光斑时,具有很好的泛化性能。