关于恶劣成像环境下降质图像增强技术及应用项目公示信息

一、成果名称：恶劣成像环境下降质图像增强技术及应用
二、完成单位：西安理工大学；中山大学；南京理工大学；杭州同烁信息技术有限公司
三、完成人：石争浩，任文琦，贾修一，操晓春，都双丽，杨秀红，葛飞航，尤珍臻，冯亚宁，郑卓然，周昭润
四、成果类型：II.技术发明、开发、推广类
五、成果简介：
光学图像是真实场景信息的重要载体和呈现形式，清晰的光学图像对真实场景信息的正确获取至关重要，在安保监控、交通管理、医疗智能、目标检测及军事等领域均有重要应用。然而在雾霾、雨雪和沙尘等恶劣天气及水下、地下和夜间弱光低照等条件下，受环境中悬浮微粒对入射光线的吸收和散射影响，光学图像通常存在严重的退化降质问题，具体表现为颜色失真、图像雾化模糊、亮度对比度低等，使得光学图像“看不清”、“看不准”、“看不远”、“看不全”，严重影响并限制各种智能处理系统（如视频监控、目标探测、无人驾驶等）的性能和应用。
在国家自然基金委、西安市碑林区科技局自然科学计划项目及校企合作项目支持下，本项目从问题驱动、理论体系分析、关键技术创新三个角度入手，围绕恶劣成像环境下降质图像增强技术及应用领域的关键问题进行了深入研究，并在雾霾图像增强、沙尘图像增强、水下图像增强、雨天图像增强、低照图像增强及应用等方面获得突破性进展，取得系列创新性成果：
[1]在雾霾图像增强方面，针对现有方法对存在大片天空区域的雾霾图像或重度雾霾图像失效的问题，提出了基于上下文引导的生成对抗网络图像去雾方法;针对现有多数深度去雾模型高计算复杂性，提出了基于多分支卷积网络的高效去雾方法，能够在单个GPU上实时去雾4K图像；针对遥感图像受雾霾影响问题，提出一种基于深度学习的遥感图像去雾增强方法，有效提升遥感图像目标检测方法的检测性能。
[2]在沙尘图像增强方面，针对现有传统沙尘图像增强方法存在细节模糊、伪影和颜色失真等问题，提出基于卷积神经网络的沙尘图像色彩恢复与增强方法;
[3] 在水下图像增强方面，针对现有传统图像增强方法和深度学习增强方法处理后的水下图像会存在色差、细节模糊、颜色失真等问题，提出一种基于深度学习和传统图像增强方法结合的水下图像增强方法;
[4] 在雨天图像增强方面，针对现有图像去雨深度卷积神经网络方法存在明显雨痕残留及局部细节丢失问题，提出一种基于残差密集扩张卷积连接网络的图像去雨方法。
[5] 在低照度图像增强方面，针对传统方法对噪声敏感、泛化性差及图像增强效果和算法运行效率间的平衡问题，提出一种基于注意力自适应卷积神经网络的低照图像增强方法及一种基于上下文感知的轻量化低照度图像增强网络。
本项目研究授权国家发明专利8项，软件著作权3项，在人工智能及图像处理领域权威期刊和国际会议发表高水平学术论文20篇，SCI他引62次。
项目实施期间，项目第一完成人石争浩教授被浙江省台州市人民政府授予“500精英人才”荣誉称号，晋级CCF杰出会员和IEEE 高级会员，获评陕西省计算机学会优秀理事（2020年度）、陕西省计算机学会优秀工作者（2021年度）和《中国图形图像学报》优秀编委（2021年度），增强了项目成果的学术影响。
近3年，项目成果被西安千禧网络科技有限公司、陕西二海生态农业发展有限公司、西安长源信和信息科技有限公司、陕西迪科实业有限公司和杭州同烁信息科技有限公司等公司采用，并被《人民周刊》、《科学中国人》等媒体宣传报道，取得了良好经济效益和社会效益。
 

• 完成人合作关系情况：

本项目共有11位项目完成人，其中，西安理工大学石争浩教授为该项目的第1完成人，西安理工大学都双丽为项目第5完成人，西安理工大学杨秀红老师为项目第6完成人，西安理工大学尤珍臻博士为项目第8完成人，西安理工大学冯亚宁老师为项目第9完成人，上述无人都是石争浩教授科研团队成员，其中都双丽、尤珍臻、冯亚宁与石争浩教授合作授权发明专利，杨秀红与与石争浩教授合作发表论文。
中山大学任文琦教授为项目第2完成人，与与石争浩教授合作发表论文；南京理工大学贾修一教授为项目第3完成人，中山大学操晓春教授为项目第4完成人，与中山大学任文琦教授合作发表论文。
项目第7完成人为杭州同烁信息技术有限公司总经理葛飞航博士，葛飞航博士与石争浩教授合作授权发明专利，是石争浩教授的创业合作人。
项目第10完成人为中山大学任文琦教授的博士后，博士就读于南京理工大学，是贾修一教授指导博士生，与上述两位老师有合作论文。
项目第11完成人硕士就读于西安理工大学，是西安理工大学石争浩教授，与石争浩教授有合作论文和发明专利。

完成人合作关系情况汇总表

序号	合作方式	合作关系人 及排名	合作时间	合作成果	证明材料
1	论文合著	石争浩，1； 任文琦，2	2023	代表论文1: LCA-Net: A Context-Aware Lightweight Network for Low-Illumination Image Enhancement	附件1.1 代表性论文
2	论文合著	任文琦，2； 贾修一，3； 操晓春，4； 郑卓然，10	2021	代表论文2: Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning	附件1.1 代表性论文
3	发明专利	石争浩，1； 周昭润，11	2023	代表知识产权1： 基于多尺度自注意生成对抗网络的单幅图像去雾方法	附件2.1 发明专利
4	发明专利	石争浩，1； 葛飞航，7； 尤珍臻，8； 冯亚宁，9	2024	代表知识产权5：代表知识产权5：一种基于残差双注意力网络的水下图像增强方法	附件2.1 发明专利
5	发明专利	石争浩，1； 都双丽，5； 尤珍臻，8；	2023	代表知识产权8：基于Retinex模型的极低照度图像增强方法	附件2.1 发明专利
6	论文合著	石争浩，1； 杨秀红，6	2024	代表论文3: 结合稀疏先验与多模式分解的低秩张量恢复方法	附件1.1 代表性论文

序号

论文专著名称

刊名

发表 时间

年卷页码（xx年xx卷xx页）

作者

通讯作者（含共同作者）

第一作者（含共同作者）

国内 作者 （中文名）

他引 总次数

检索 数据库

参与人（成果完成人）

知识产权是否归 国内所有

1

LCA-Net: A Context-Aware Lightweight Network for Low-Illumination Image Enhancement

IEEE Transactions on Instrumentation and Measurement

2023

vol. 72, pp. 1-13, 2023

Shi Zhenghao*, Wang Manyu, Ren Wenqi

Zhenghao Shi

Zhenghao Shi

石争浩 汪曼玉 任文琦

4

WOS

石争浩 任文琦

是

2

Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning

IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

2021年6月20日

2021年16185-16194

Zhuoran Zheng, Wenqi Ren，Xiaochun Cao, Xiaobin Hu, Tao Wang, Fenglong Song, Xiuyi Jia

任文琦，贾修一

郑卓然

郑卓然，任文琦，操晓春，汪涛，宋风龙，贾修一

215

Google Scholar

郑卓然，任文琦，操晓春，贾修一

是

3

结合稀疏先验与多模式分解的低秩张量恢复方法

中国图象图形学报

2023

2023

杨秀红; 苟田坤; 薛怡; 金海燕; 石争浩

杨秀红   石争浩

杨秀红

杨秀红; 苟田坤; 薛怡; 金海燕; 石争浩

杨秀红;   石争浩

是

序号	知识产权 类别	知识产权 名称	国家 （地区）	授权号 （批准号）	授权日期	证书编号	权利人	发明人
1	发明专利	基于多尺度自注意生成对抗网络的单幅图像去雾方法	中国	ZL 2020 1 0981997.9	2023-05-26	6001212	西安理工大学	石争浩 周昭润
2	发明专利	一种基于深度学习的遥感图像去雾增强方法	中国	ZL 2021 1 0847620.9	2024-03-26	6828979	西安理工大学	石争浩 邵帅 尤珍臻 都双丽
3	发明专利	一种基于灰度世界自引导网络的单幅沙尘图像恢复方法	中国	ZL 2020 1 1065330.0	2024-03-26	6835519	西安理工大学	石争浩 刘春月
4	发明专利	一种基于灰度世界自适应网络的单幅沙尘图像恢复方法	中国	ZL 2020 1 0879073.8	2024-03-26	6835988	西安理工大学	石争浩 刘春月
5	发明专利	一种基于残差双注意力网络的水下图像增强方法	中国	ZL 2021 1 0578932.4	2024-03-26	6831151	西安理工大学	石争浩 尚荣荣 尤珍臻 赵明华 冯亚宁 葛飞航
6	发明专利	基于卷积神经网络双分支注意力生成的单幅图像去雨方法	中国	ZL 2020 1 0863062.0	2023-04-25	5911468	西安理工大学	石争浩 高蒙蒙
7	发明专利	基于Retinex模型的极低照度图像增强方法	中国	ZL2022104755486	2023-03-10	5775880	西安理工大学	都双丽 赵明华 尤珍臻 石争浩