激光与红外

作者：赖嘉隆

单位：1.宁波大学 信息科学与工程学院,浙江 宁波 315211；2.宁波大学 科学技术学院信息工程学院,浙江 宁波 315212；

关键词：JPEG Pleno伪影去除;光场图像修复;卷积神经网络;多尺度信息

基金：国家自然科学基金项目(No.62271276)资助。

JPEG Pleno压缩会在压缩后的4D光场图像中产生伪影,这不仅会降低其视觉质量,还会影响其他图像处理任务的性能。目前尚缺少对JPEG Pleno光场编码失真修复的研究和可供网络训练的JPEG Pleno编码失真光场数据集。本文提出了一种端到端灵活的盲卷积神经网络,即JPLARNet。它充分考虑JPEG Pleno编码特点,且通过预测其编码压缩质量因子,以在伪影去除和细节保留之间进行权衡。具体而言,JPLARNet首先使用空角解耦模块对光场图像进行初步特征提取,再经过多尺度的解耦器得到预测的压缩因子和高级语义特征,然后通过压缩因子融合模块将预测的压缩因子嵌入到随后的重构器模块中,以此引导压缩光场图像伪影去除,生成高质量光场图像。此外,构建了大核下采样模块和混合注意力增强模块,分别用于下采样和将重构的图像进行图像增强。实验结果表明,在所构建的数据集JPL DATA压缩因子从5000到200000的六个压缩质量上,伪影去除后的光场图像相较于去除前其YUV PSNR/Y SSIM平均增益为081dB/0025。由于考虑了JPEG Pleno光场图像编码的特点,相较于2D图像JPEG伪影去除方法,所提出的方法获得了具有更高主客观质量的光场图像。

来源：2025年第6期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第6期