（通讯员：袁帅 魏金鑫）据2026年5月Essential Science Indicators（简称ESI）统计数据显示，新葡京澳门-澳门新葡京官网 智能视觉工程团队博士毕业生袁帅以第一作者身份于2025年在《IEEE Transactions on Geoscience and Remote Sensing》（中科院I区TOP期刊，IF=8.6）上发表的研究成果“ASCNet: Asymmetric Sampling Correction Network for Infrared Image Destriping”被ESI数据库遴选为高被引论文，谷歌学术被引次数为44次。该论文由澳门新葡京官网联合墨尔本大学共同发表，指导老师为秦翰林教授和延翔副教授。

图1 非对称采样校准网络结构图

在实际的红外成像系统中，有效地学习一种一致的条纹噪声去除模型至关重要。现有的多数去条纹方法由于跨层次语义差距和全局列特征表征不足，无法精确重建图像。论文提出了一种非对称采样校正网络（ASCNet），如图1所示，其能够有效捕捉全局列关系并将其嵌入到U形框架中，提供全面的判别表示和无缝的语义连接。所提出的ASCNet由三个核心要素组成：残差哈尔离散小波变换（RHDWT）、像素洗牌（PS）和列非均匀性校正模块（CNCM）。RHDWT是一种新颖的下采样器，采用双分支建模，有效整合条纹方向的先验知识和数据驱动的语义交互。由于条纹噪声的语义模式串扰现象，引入PS作为上采样器，以防止过度先验解码并执行无语义偏差的图像重建。通过结合列、空间和自依赖信息，CNCM建立了列向的长距离上下文。在合成数据、真实数据和红外小目标检测任务上的全面评估，显示了所提技术有效性和优越性。

论文链接：//ieeexplore.ieee.org/abstract/document/10855453