“數字圖像處理”專刊序

數字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術。隨著計算機、人工智能、深度學習等技術的發展，數字圖像處理技術發展迅猛，廣泛應用于航空航天、生物醫學、通信工程、工業和工程、軍事公安、文化藝術和電子商務等領域，未來還將涉及更多的領域，例如智慧城市、智能制造、虛擬現實、增強現實等。國內外許多課題組都圍繞這一領域開展了廣泛深入的基礎和應用研究。

其于此背景，為推動數字圖像處理技術的進步和應用，《液晶與顯示》編輯部組織了“數字圖像處理”專刊，圍繞目標檢測與識別、圖像增強、圖像分割等方面進行了理論、技術和應用研究成果的展示。本專刊收錄了來自中國科學院長春光學精密機械與物理研究所、福州大學、上海海洋大學、陜西科技大學、貴州大學、遼寧工程大學等14 篇優秀稿件。

在目標檢測與識別方面，孫海江等人針對復雜場景下紅外圖像中弱小目標像素占比少、特征細節不明顯使目標特征提取困難、檢測準確率低的問題，提出了一種基于注意力機制的復雜背景下紅外弱小目標檢測方法，該方法在不同復雜背景下均可有效檢測出紅外弱小目標，具有良好的魯棒性和適應性。郭杰龍等人提出一種新型交并比的邊界框損失函數，解決IoU、GIoU、CIoU 在特殊情況下的回歸阻礙問題，完善了回歸任務和評價指標的相關性和邊界框中心點回歸屬性的完整性，提高了檢測精度和收斂速度。王之一、王建立等人提出了一種基于差動共焦的傾角測量傳感器，利用軸向掃描獲取的差動響應信號精準定位焦點位置，分析顯微鏡光瞳面場強分布并提取光斑圖像的峰值位置，從而實現對傾角的精準測量，該傳感器為自由曲面的高精度輪廓測量提供了一種新的方法。喬繼紅等人提出一種融合相機主觀場景成像色彩和白平衡的自動評測方法，充分提取彩色圖像相關特征并模擬人眼視覺感知特性以評價圖像顏色，所提方法能提高評價效率、節省人力，并可以獲得與人眼主觀判斷一致性較好的評價結果。楊晨等人針對ResNet18 網絡模型在面部表情識別時存在網絡模型大、準確率低等問題，提出了一種基于注意力機制ResNet 輕量網絡模型，能夠以較少的參數量、較高的準確率實現面部表情的識別。潘昊等人針對擴展操作條件下SAR 目標識別的重難點問題，提出基于DBN 的屬性散射中心匹配方法，在構建的屬性散射中心匹配關系的基礎上，定義相似度度量準則，基于最大相似度的原則確定測試樣本所屬類別，所提方法對于SAR 目標識別具有良好的有效性和穩健性。孫海江等人設計了一種基于現場可編程門陣列的Winograd 算法卷積神經網絡加速器，該加速器的卷積層計算性能和計算效率優于其他FPGA 加速器設計方案，能夠以較高能效完成遙感圖像分類任務中的硬件加速計算。趙偉超等人針對開源航天信息的獲取和分析過程中存在樣本的內容過長且相關樣本數量較少的問題，提出了一種基于有監督對比學習的航天信息分類方法，充分使用網絡公開的數據資源，可有效地提取開源航天信息并生成對應圖像，對航天信息的分析和研究具有重要價值。魏憲等人面向多姿態目標的在線類增量學習，提出了無視姿態重放方法緩解在線類增量學習中面對多姿態目標時的災難性遺忘，能夠不受目標姿態的影響，緩解災難性遺忘，具有很好的穩定性和可塑性。

在圖像增強方面，袁紅春等人提出了輕量級特征融合網絡和多顏色模型校正相結合的水下圖像增強方法，該方法可以有效校正色偏，提升亮度、飽和度和對比度，使增強后圖像色彩更自然豐富。王宇慶等人提出一種基于側窗濾波改進的神經網絡非均勻性校正算法，該算法能夠有效去除圖像中非均勻性噪聲且無明顯“鬼影”現象，在非均勻性校正效果和算法運行效率方面具有明顯優勢，為小算力、低功耗移動平臺實現實時非均勻性校正提供了新的研究思路。馬振玲等人提出一種改進U-Net 網絡的圖像混合畸變校正方法，使用深度學習的方法將畸變圖像校正問題轉為預測畸變圖像的逐像素坐標變化問題，擺脫了傳統方法中復雜的數學模型計算等問題。

在圖像分割方面，徐楊等人提出了一種基于知識蒸餾的特征提煉語義分割模型FRKDNet，該模型能夠更好地分離蒸餾知識的有效內容和噪聲，相比于主流方法具有更好的分割性能和魯棒性。鄒耀斌等人基于圖像二維生存函數提出一種快速二維累積剩余Tsallis 熵閾值分割方法，通過動態地調整熵參數，能有效區分無峰、單峰、雙峰或多峰直方圖模式圖像的目標和背景，在不同直方圖模式的圖像上具有較強的分割魯棒性。

以上一系列數字圖像處理研究成果的展示，希望能為廣大讀者和相關領域的同行提供借鑒和參考并帶來有益的啟發。