人才强校 | 中国农大李振波教授团队在动态图像恢复领域取得新进展

中国农大新闻网讯 近日，中国农业大学李振波教授研究团队在2022欧洲计算机视觉国际大会（ECCV 2022）上发表了题为《动态图像恢复对比网络》（DRCNet: Dynamic Image Restoration Contrastive Network）的研究论文。

每两年召开一次的欧洲计算机视觉国际大会（ECCV，其全称是European Conference on Computer Vision），是与计算机视觉模式识别会议(CVPR)和国际计算机视觉大会（ICCV）并称计算机视觉方向的三大顶级会议。大会于10月23至27日在以色列特拉维夫以线上、线下相结合方式召开。

图像恢复是人工智能领域计算机视觉研究的一项基础任务，旨在从退化图像中重建高质量图像，是开放环境下智慧农业应用的基础算法模型。现有的图像恢复模型大多基于静态卷积神经网络CNN而忽视了应用环境的复杂多变，从而导致模型无法有效的重建高质量图像。因此，研究团队通过分析不同环境下的图像退化机理，提出了一种新型的动态图像恢复对比网络（DRCNet）来适应复杂多变的图像退化情形，提高模型在图像恢复任务上的性能表现。

论文所提出DRCNet网络模型的整体架构图

所提DRCNet模型核心部分为动态滤波恢复模块（Dynamic Filter Restoration module,DFR），该模块由空间滤波分支和能量注意力分支组成。空间滤波器主要应用于抑制空间噪声，以适应不同任务中图像的空间退化形式，能量注意力分支主要用于指导不同的特征空间融合，以辅助模型更好重建图像局部细节。为了进一步提高对负样本信息的使用效率，研究提出类内对比学习（Intra-class Contrast Regularization,Intra-CR）作为DRCNet解空间的约束，提高复杂空间正负样本的学习效率。此外结合实际需求给出理论及实验分析论证Intra-CR对超参数选择的敏感性低于之前的对比方法。在10个图像数据集上的实验验证了DRCNet可以广泛使用于各种的图像恢复任务并达到当前最先进（SOTA）的效果。

去雨数据集的实验结果比较

去噪数据集的实验结果比较

去模糊数据集的实验结果比较

该研究工作的第一完成单位为中国农业大学，信息与电气工程学院李振波教授为本论文的通讯作者，共同作者包括信息与电气工程学院博士研究生李飞、美国约翰斯·霍普金斯大学博士研究生沈凌峰、信息与电气工程学院青年教师米阳。该研究得到广东省重点研发计划项目（No.2020B0202010009）和国家重点研发计划课题（No.2020YFD0900204,2021ZD0113805）的资助。

论文链接：

https://www.ecva.net/papers/eccv_2022/papers_ECCV/html/6389_ECCV_2022_paper.php

供稿：信息与电气工程学院

供图：信息与电气工程学院

编辑：马文哲

责编：于哲 孟祥慈