數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。隨著計(jì)算機(jī)、人工智能、深度學(xué)習(xí)等技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)發(fā)展迅猛，廣泛應(yīng)用于航空航天、生物醫(yī)學(xué)、通信工程、工業(yè)和工程、軍事公安、文化藝術(shù)和電子商務(wù)等領(lǐng)域，未來(lái)還將涉及更多的領(lǐng)域，例如智慧城市、智能制造、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等。國(guó)內(nèi)外許多課題組都圍繞這一領(lǐng)域開展了廣泛深入的基礎(chǔ)和應(yīng)用研究。

其于此背景，為推動(dòng)數(shù)字圖像處理技術(shù)的進(jìn)步和應(yīng)用，《液晶與顯示》編輯部組織了“數(shù)字圖像處理”專刊，圍繞目標(biāo)檢測(cè)與識(shí)別、圖像增強(qiáng)、圖像分割等方面進(jìn)行了理論、技術(shù)和應(yīng)用研究成果的展示。本專刊收錄了來(lái)自中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所、福州大學(xué)、上海海洋大學(xué)、陜西科技大學(xué)、貴州大學(xué)、遼寧工程大學(xué)等14 篇優(yōu)秀稿件。

在目標(biāo)檢測(cè)與識(shí)別方面，孫海江等人針對(duì)復(fù)雜場(chǎng)景下紅外圖像中弱小目標(biāo)像素占比少、特征細(xì)節(jié)不明顯使目標(biāo)特征提取困難、檢測(cè)準(zhǔn)確率低的問(wèn)題，提出了一種基于注意力機(jī)制的復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)方法，該方法在不同復(fù)雜背景下均可有效檢測(cè)出紅外弱小目標(biāo)，具有良好的魯棒性和適應(yīng)性。郭杰龍等人提出一種新型交并比的邊界框損失函數(shù)，解決IoU、GIoU、CIoU 在特殊情況下的回歸阻礙問(wèn)題，完善了回歸任務(wù)和評(píng)價(jià)指標(biāo)的相關(guān)性和邊界框中心點(diǎn)回歸屬性的完整性，提高了檢測(cè)精度和收斂速度。王之一、王建立等人提出了一種基于差動(dòng)共焦的傾角測(cè)量傳感器，利用軸向掃描獲取的差動(dòng)響應(yīng)信號(hào)精準(zhǔn)定位焦點(diǎn)位置，分析顯微鏡光瞳面場(chǎng)強(qiáng)分布并提取光斑圖像的峰值位置，從而實(shí)現(xiàn)對(duì)傾角的精準(zhǔn)測(cè)量，該傳感器為自由曲面的高精度輪廓測(cè)量提供了一種新的方法。喬繼紅等人提出一種融合相機(jī)主觀場(chǎng)景成像色彩和白平衡的自動(dòng)評(píng)測(cè)方法，充分提取彩色圖像相關(guān)特征并模擬人眼視覺(jué)感知特性以評(píng)價(jià)圖像顏色，所提方法能提高評(píng)價(jià)效率、節(jié)省人力，并可以獲得與人眼主觀判斷一致性較好的評(píng)價(jià)結(jié)果。楊晨等人針對(duì)ResNet18 網(wǎng)絡(luò)模型在面部表情識(shí)別時(shí)存在網(wǎng)絡(luò)模型大、準(zhǔn)確率低等問(wèn)題，提出了一種基于注意力機(jī)制ResNet 輕量網(wǎng)絡(luò)模型，能夠以較少的參數(shù)量、較高的準(zhǔn)確率實(shí)現(xiàn)面部表情的識(shí)別。潘昊等人針對(duì)擴(kuò)展操作條件下SAR 目標(biāo)識(shí)別的重難點(diǎn)問(wèn)題，提出基于DBN 的屬性散射中心匹配方法，在構(gòu)建的屬性散射中心匹配關(guān)系的基礎(chǔ)上，定義相似度度量準(zhǔn)則，基于最大相似度的原則確定測(cè)試樣本所屬類別，所提方法對(duì)于SAR 目標(biāo)識(shí)別具有良好的有效性和穩(wěn)健性。孫海江等人設(shè)計(jì)了一種基于現(xiàn)場(chǎng)可編程門陣列的Winograd 算法卷積神經(jīng)網(wǎng)絡(luò)加速器，該加速器的卷積層計(jì)算性能和計(jì)算效率優(yōu)于其他FPGA 加速器設(shè)計(jì)方案，能夠以較高能效完成遙感圖像分類任務(wù)中的硬件加速計(jì)算。趙偉超等人針對(duì)開源航天信息的獲取和分析過(guò)程中存在樣本的內(nèi)容過(guò)長(zhǎng)且相關(guān)樣本數(shù)量較少的問(wèn)題，提出了一種基于有監(jiān)督對(duì)比學(xué)習(xí)的航天信息分類方法，充分使用網(wǎng)絡(luò)公開的數(shù)據(jù)資源，可有效地提取開源航天信息并生成對(duì)應(yīng)圖像，對(duì)航天信息的分析和研究具有重要價(jià)值。魏憲等人面向多姿態(tài)目標(biāo)的在線類增量學(xué)習(xí)，提出了無(wú)視姿態(tài)重放方法緩解在線類增量學(xué)習(xí)中面對(duì)多姿態(tài)目標(biāo)時(shí)的災(zāi)難性遺忘，能夠不受目標(biāo)姿態(tài)的影響，緩解災(zāi)難性遺忘，具有很好的穩(wěn)定性和可塑性。

在圖像增強(qiáng)方面，袁紅春等人提出了輕量級(jí)特征融合網(wǎng)絡(luò)和多顏色模型校正相結(jié)合的水下圖像增強(qiáng)方法，該方法可以有效校正色偏，提升亮度、飽和度和對(duì)比度，使增強(qiáng)后圖像色彩更自然豐富。王宇慶等人提出一種基于側(cè)窗濾波改進(jìn)的神經(jīng)網(wǎng)絡(luò)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(wú)明顯“鬼影”現(xiàn)象，在非均勻性校正效果和算法運(yùn)行效率方面具有明顯優(yōu)勢(shì)，為小算力、低功耗移動(dòng)平臺(tái)實(shí)現(xiàn)實(shí)時(shí)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(jìn)U-Net 網(wǎng)絡(luò)的圖像混合畸變校正方法，使用深度學(xué)習(xí)的方法將畸變圖像校正問(wèn)題轉(zhuǎn)為預(yù)測(cè)畸變圖像的逐像素坐標(biāo)變化問(wèn)題，擺脫了傳統(tǒng)方法中復(fù)雜的數(shù)學(xué)模型計(jì)算等問(wèn)題。

在圖像分割方面，徐楊等人提出了一種基于知識(shí)蒸餾的特征提煉語(yǔ)義分割模型FRKDNet，該模型能夠更好地分離蒸餾知識(shí)的有效內(nèi)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(shù)提出一種快速二維累積剩余Tsallis 熵閾值分割方法，通過(guò)動(dòng)態(tài)地調(diào)整熵參數(shù)，能有效區(qū)分無(wú)峰、單峰、雙峰或多峰直方圖模式圖像的目標(biāo)和背景，在不同直方圖模式的圖像上具有較強(qiáng)的分割魯棒性。

以上一系列數(shù)字圖像處理研究成果的展示，希望能為廣大讀者和相關(guān)領(lǐng)域的同行提供借鑒和參考并帶來(lái)有益的啟發(fā)。