近日，我校智能信息处理团队以杭州电子科技大学为第一单位发表的论文《Pyramid Learnable Bandpass Filters for Ultra-High-Definition Image Demoireing》被SCI 1区期刊IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）录用。该论文的第一作者为我校2021级博士研究生刘仲琦，指导老师为我校郑博仑教授和张继勇教授。

摩尔纹通常取决于显示网格的样式和拍摄相机的位置，以条纹、网格或波纹的形式出现，具有多样且不规则的色彩。与低分辨率的摩尔图像相比，高清（HD）和超高清（UHD）摩尔图像展现出更复杂的摩尔纹，例如更广泛的摩尔频率分布和不同尺度摩尔纹之间更高的耦合度，这对模型的建模能力提出了更大的挑战。为了解决这些挑战，我们提出了一种新颖的金字塔可学习带通滤波网络（PBNet），用于对超高清图像进行摩尔纹去除。具体来说，我们提出了一种金字塔可学习带通滤波器（P-LBF），以在同一语义级别中执行多尺度滤波，从而获得更丰富的频域信息。P-LBF包含三个阶段：对齐、滤波和融合。首先，我们引入了一种金字塔对齐模块（DA）来对齐相邻像素，以消除由不同显示网格样式和拍摄相机相位置引起的偏差。然后，进行金字塔滤波（PF），以对齐的相邻像素为基准，建模复杂多变的摩尔纹。最后，这些不同尺度的频域响应通过多维特征融合（MFF）进行融合。PBNet基于P-LBF构建，并结合了跨层特征融合（CLF）模块，以促进不同深度特征之间更有效的信息交互。在四个公共数据集上的大量实验表明我们的模型在高分辨率和低分辨率摩尔图像上均达到了最先进的性能。