成像系统质量评价与缺陷分析

Quality assessment and defect analysis of imaging system aim to feed back the causes of degradation to the physical structure and model parameters of imaging system, and then, it can optimize the model parameters and repair the physical defects of imaging system to obtain high quality images, so it has wide application prospects in security monitoring, mobile terminals, satellite remote sensing and other fields. This project uses the theory of computational imaging and deep learning as basis as well as the principle of electro-optical imaging and the human visual system to construct a deep learning network that fuses visual perception characteristics. It realizes the blind separation between imaging quality evaluation model and imaging distortion mode, and controls the parameter optimization and defect repair of imaging system according to feedback. The main research of this project contains: 1) Analysis of the factors that affect image quality in imaging system and data acquisition, including modeling the mapping of device defects and distortion patterns, acquiring single-mode distortion image , and antagonistically generating pseudo-real distortion image. 2)Quality assessment and perceptual modeling of multiple hybrid distortion images from imaging acquisition, including objective image quality assessment and visual perception modeling.3) Distortion mode modeling and decomposition on the imaging path, including the blind separation between distortion factor analysis and distortion pattern. This project is full of foresight and challenges as well as important theoretical significance and application value.

成像系统质量评价与缺陷分析是将成像质量的降质成因及时反馈到成像系统的物理结构和模型参数上，进而优化成像系统的模型参数或修复成像系统的物理缺陷，以获得高质量的图像数据，在安防监控、移动终端、卫星遥感等领域有广泛的应用前景。本项目基于计算成像和深度学习理论，利用光电成像原理和人类视觉系统，构建融合视觉感知特性的深度学习网络，实现成像质量评价的计算模型和成像失真模式的盲分离，并反馈控制成像系统的参数优化和缺陷修复。主要研究内容有: 1) 成像系统内影响图像质量的因素分析与数据获取，包括器件缺陷和失真模式的映射建模，单一模式失真图像采集和伪真实失真图像的对抗生成；2) 成像获取的多重混合失真图像的质量评价和感知建模，包括客观图像质量评价和视觉感知建模；3) 成像路径上的失真模式建模与分解，包括失真成因分析和失真模式盲分离。本项目富有一定的前瞻性和挑战性，具有重要的理论意义和应用价值。

成像系统质量评价与缺陷分析是将成像质量的降质成因及时反馈到成像系统的物理结构和模型参数上，进而优化成像系统的模型参数或修复成像系统的物理缺陷，以获得高质量的图像数据，在安防监控、移动终端、卫星遥感等领域有广泛的应用前景。本项目基于计算成像和深度学习理论，利用光电成像原理和人类视觉系统，构建融合视觉感知特性的深度学习网络，实现成像质量评价的计算模型和成像失真模式的盲分离，并反馈控制成像系统的参数优化和缺陷修复。主要研究内容有:1) 成像系统内影响图像质量的因素分析与数据获取，包括器件缺陷和失真模式的映射建模，单一模式失真图像采集和伪真实失真图像的对抗生成；2) 成像获取的多重混合失真图像的质量评价和感知建模，包括客观图像质量评价和视觉感知建模；3) 成像路径上的失真模式建模与分解，包括失真成因分析和失真模式盲分离。本项目富有一定的前瞻性和挑战性，具有重要的理论意义和应用价值。. 经过4年的研究和应用落地，共发表与课题相关并标注本基金资助的学术论文共计11篇，其中期刊论文5篇，国际学术期刊（JCR一区）SCI检索2篇，国际学术期刊（JCR二区）SCI检索2篇，国内期刊1篇，国际会议论文5篇，国内会议1篇。申请国家发明专利7项，授权发明专利7项；基于本课题的研究培养博士研究生5名，硕士研究生12名；基于本课题的研究申请陕西省重点产业创新链项目一项（2020年）。与海信集团成立信芯微-西电智能影像处理联合实验室。并一起完成首颗8K 120Hz超高清画质芯片的落地实现。获得海信公司连续三年100万的经费资助。申请航空人工智能专项一项（2021年）。获得苏州相关军民融合公司项目支持（2022年）。荣获2022年互联网+陕西赛区金奖