基于物理原理数据集的近空高光谱干涉成像图像质量评估

在太空边缘观测地球

在飞机之上但远低于卫星的高空存在一个鲜为人知的区域，称为近空。运行在这里的仪器为科学家提供了极为精细的大气温室气体、风场和热流的观测。然而，这些仪器并不产生常见的照片；它们记录的是精细的干涉条纹，这类图像的质量很容易被微小的机械或电子缺陷破坏。本文介绍了NSIQ，这是首个专为这类具有挑战性数据构建的图像质量基准，为更可靠的气候和天气测量铺平了道路。

特殊影像需要特殊检测方法

大多数用于判断图像“好”或“不好”的现代工具都是在日常场景——人物、建筑、风景以及消费级相机拍摄的照片上训练的。这些基准推动了图像质量评估领域的显著进展，该领域将数字信号与人类视觉判断联系起来。然而，近空干涉仪产生的奇异条纹样图像与旅行照片行为截然不同。它们的质量取决于光学与传感器中的微妙物理效应，而非常见的问题如模糊或压缩伪影。当现成的质量评估算法应用于这些科学图像时，其假设会失效，评分不再与领域专家的判断相符。

构建物理上可信的测试平台

为了解决这一差距，作者创建了NSIQ，这是一个精心设计的集合，包含201幅模拟近空仪器实际记录的灰度干涉图像。他们没有简单添加通用的数字噪声，而是从基于物理的仪器光学模拟出发，然后注入六种真实的退化类型：光学角度错位、微小振动、不均匀探测器像素、电读出噪声、采样限制以及扭曲干涉条纹本身的相位误差。每种退化从几乎察觉不到到严重不良都有所变化，产生了一系列反映近空硬件真实工作条件的图像质量。

将人工判断与客观数值结合

关键是，NSIQ不仅仅依赖物理模拟。对于每幅模拟图像，27位干涉成像专家进行了评分，关注条纹的清晰度、图样调制的干净程度以及整体视觉可信度。这些人工意见与量化仪器设置扰动程度的归一化物理参数相结合。通过两者计算出单一的混合质量值，使每张图像都带有既基于仪器行为又与人类感知对齐的标签。这种双重视角使数据集既可用于实际监测，也可用于检验关于科研影像中“质量”含义的理论。

检验现有方法的适应性

有了NSIQ，作者对14种主流图像质量算法——包括基于干净参考的以及无需参考的盲评方法——进行了严格测试。在自然照片上表现出色的模型在这里表现糟糕：它们与专家评分的相关性下降，预测曲线剧烈波动，有些几乎与人工判断失去有意义的联系。即便是为自然失真调优的先进深度学习系统，也难以应对这些由物理驱动的复杂伪影。结果强调了仅仅用更多日常照片训练不足以解决问题；算法必须重新设计，以考虑由真实光学与电子硬件产生的独特且空间上不均匀的失真。

对地球观测的意义

通过将NSIQ作为开放资源发布，作者为面向近空观测的未来图像质量工具提供了必要的试验场。他们的发现表明，现有方法无法可靠地判断这些高度专业化图像是否足以用于气候和大气科学。简单来说，NSIQ有助于区分那些清晰可信的条纹图样与那些被微妙的机械抖动或传感器缺陷悄然破坏的图像。基于该基准构建的更好质量评估有望使遥感更加稳健，帮助确保长期的温室气体、风场和能量流记录真正反映地球系统的变化，而非来自观测设备的隐含缺陷。

引用: Jiang, C., Tong, C. & Ma, Z. Near space hyperspectral interferometric imaging image quality assessment with a physically grounded dataset. Sci Rep 16, 8641 (2026). https://doi.org/10.1038/s41598-026-38036-2

关键词: 遥感, 图像质量, 大气观测, 高光谱成像, 近空