面向超广角图像增强的频率感知自监督学习
计算机视觉与模式识别
2025-08-28 v1
摘要
超广角（UWF）视网膜成像通过提供视网膜的全景视图，彻底改变了视网膜诊断。然而，它常常受到模糊和光照不均等质量退化因素的影响，这些因素掩盖了精细细节并遮蔽了病理信息。虽然已有许多针对其他眼底图像的视网膜图像增强方法被提出，但它们往往无法满足 UWF 的独特需求，特别是保留病理细节的需求。在本文中，我们提出了一种用于 UWF 图像增强的新型频率感知自监督学习方法。它融合了频率解耦图像去模糊和 Retinex 引导的光照补偿模块。前者模块中引入了非对称通道融合操作，以利用高频和低频信息结合全局和局部视图，确保精细和更广泛结构细节的保留。此外，在后者基于 Retinex 的模块中提出了颜色保持单元，以提供多尺度空间和频率信息，实现精确的光照估计与校正。实验结果表明，所提方法不仅增强了可视化质量，还通过恢复和校正精细局部细节与不均匀光照提升了疾病诊断性能。据我们所知，这是首次尝试 UWF 图像增强，为改善视网膜疾病管理提供了一种稳健且具有临床价值的工具。
引用
@article{arxiv.2508.19664,
title = {A Frequency-Aware Self-Supervised Learning for Ultra-Wide-Field Image Enhancement},
author = {Weicheng Liao and Zan Chen and Jianyang Xie and Yalin Zheng and Yuhui Ma and Yitian Zhao},
journal= {arXiv preprint arXiv:2508.19664},
year = {2025}
}