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。