科创中国

    在工业环境下的激光成像过程中，由于投影光轴与成像光轴之间的夹角无法避免，成像的质量容易受到阴影和遮挡的影响，导致多线激光图像存在局部的光条断裂现象；当结构光投射到被测物的光滑表面时，容易受到反射光的影响，导致多线激光图像中含有局部光斑的问题。光斑和光条断裂代表着这部分数据无效，严重影响成像质量，进而影响后续图像处理。因此我们提出了基于轻量化循环相似度网络的图像修复模型，该模型精准捕捉已有特征和待修复特征之间的相似性从而引导光斑和断裂区域待修复特征的结构和语义修复，并以满足工业化标准的轻量级体量实现高精度的成像修复。

    网络中设计了非对称相似度模块，衡量已有特征和待修复区域特征之间的向量角度差异，同时兼顾已有特征的显著性，更有效地将光条已有特征的低层结构信息、高层语义信息应用于待修复区域的修复优化；网络还构建了软编码部分卷积层，充分利用卷积的自适应性驱动待修复特征的自我修复过程，也对不同已有区域和待修复区域之间的特征关联做了更加全面的函数式总结；网络设计了基于多尺度结构相似性损失项的综合损失函数，进一步保留了已有特征的高频结构信息，提升对多线激光光条边缘特性的还原能力；最后，网络采用二次映射卷积技术对卷积架构进行重构，过滤卷积过程中包含的大量冗余特征，从而有效地压缩网络，在满足轻量级设备负载上限的同时实现高水平的激光图像修复。

    与现有图像修复模型相比，我们的模型无论是在光斑区域还是断裂区域都能达到最高的修复精度，获取与真实光条最为接近的修复效果。模型可以广泛应用于轨道交通、机器人视觉引导、地形检测、物体型面检测等基于激光视觉的精密检测领域。