人工智能顶刊！海洋学院声光探测团队在水下光学成像领域最新成果

在水下应用中，高性能光学成像技术的作用尤为关键，特别是在环境监测、资源勘探和科学研究等领域。例如，海洋生态监测中先进的光学成像技术，在自主水下航行器（AUV）或无人水下航行器（UUV）上配备光学成像系统，可以实时、准确地观测复杂的海底生态系统。然而，由于水体固有的物理特性，光线在传输过程中会受到各种退化因素的影响，显着降低图像质量。光散射导致图像模糊和细节对比度降低，光吸收导致图像发生色偏，严重影响颜色的真实性。这一退化现象凸显了发展高效图像恢复算法的需求，以有效恢复图像质量。级联框架作为一种有效的解决方案，通过集成多个模块，如色彩校正、细节增强和多特征融合等，展现出比传统的直接复原或端到端恢复方法更为显著的优势。

图1.水下光学成像技术及其应用

论文对比了不同级联结构（包括串行、并行和混合结构）的优点，重点讨论了利用图像内在特征、物理模型、先验知识和深度学习技术的多种恢复算法。全面回顾了水下图像恢复算法所需的公开数据集和评估指标（包括参考性和非参考性），这对于开发、验证和优化水下图像恢复算法至关重要。通过对若干开放式恢复算法的实验比较，验证了不同方法的有效性和适用性，突出了基于深度学习技术的水下光学图像复原的技术优势。

图3.级联方法的优势对比

此外，文章围绕算法、数据集和任务三个方面提出了潜在的研究方向。特别是算法和数据构成了水下图像复原的基础，它们相互关联、相辅相成，共同支持后续任务。相反，实际任务需要数据和算法的改进，引导其向更复杂的方向前进，进一步提升水下光学成像技术的能力。

图3.算法、数据集和任务的潜在研究方向

上述成果近日发表在信息融合领域知名期刊Information Fusion (中科院一区Top, IF=16.1，论文的下载链接为https://doi.org/10.1016/j.inffus.2024.102809），题目为Cascaded frameworks in underwater optical image restoration，天津大学海洋学院2023级硕士生李斌成为第一作者，通讯作者为李校博副教授。海洋学院2024级硕士生陈子乾和2022级本科生卢柳言作为主要作者参与了该项工作。此外，翟京生教授和胡浩丰教授共同指导了项目和论文。