【儀表網(wǎng) 研發(fā)快訊】近期，中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所研究員司徒國(guó)海團(tuán)隊(duì)提出了基于深度神經(jīng)網(wǎng)絡(luò)的、能夠應(yīng)用于自然場(chǎng)景的實(shí)時(shí)非侵入式透過(guò)散射介質(zhì)光學(xué)成像方法(DescatterNet)。相關(guān)研究成果以Learning-based real-time imaging through dynamic scattering media為題，發(fā)表在《光：科學(xué)與應(yīng)用》(Light: Science & Applications)上。
 

　　透過(guò)散射介質(zhì)成像具有科學(xué)意義和應(yīng)用價(jià)值。有研究利用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)在散斑圖樣中復(fù)原清晰的物體，通過(guò)優(yōu)化光場(chǎng)調(diào)控實(shí)現(xiàn)透過(guò)散射介質(zhì)聚焦以及實(shí)現(xiàn)超17倍光學(xué)厚度的散射成像等。而受限于實(shí)際應(yīng)用場(chǎng)景數(shù)據(jù)集難以采集，多數(shù)研究只能利用空間光調(diào)制器依次加載大量圖像。在實(shí)驗(yàn)室人造散射環(huán)境中，人造光源侵入式照明條件下，利用相機(jī)采集相應(yīng)的散射圖像。這樣設(shè)計(jì)的實(shí)驗(yàn)條件與實(shí)際散射場(chǎng)景在光學(xué)特性上大相徑庭。通過(guò)這些數(shù)據(jù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)只可用于類似的實(shí)驗(yàn)環(huán)境，無(wú)法應(yīng)用于真實(shí)的外場(chǎng)散射環(huán)境。
 

　　該團(tuán)隊(duì)提出了深度學(xué)習(xí)技術(shù)應(yīng)用于真實(shí)散射場(chǎng)景的解決方案，分別從實(shí)驗(yàn)裝置設(shè)計(jì)、數(shù)據(jù)集設(shè)計(jì)、數(shù)據(jù)預(yù)處理方法、AI模型優(yōu)化和部署等方面開(kāi)展研究，在真實(shí)物體和自然場(chǎng)景中取得顯著的散射成像效果。
 

　　研究顯示，隨著散射程度加深，原始散射圖像迅速退化并完全無(wú)法分辨。DescatterNet對(duì)真實(shí)物體實(shí)現(xiàn)了高質(zhì)量的散射成像，提高了成像系統(tǒng)的探測(cè)性能。
 

　　在前期成果的基礎(chǔ)上，該團(tuán)隊(duì)進(jìn)行了自然場(chǎng)景的散射成像實(shí)驗(yàn)并搭建了成像裝置。實(shí)驗(yàn)中，該團(tuán)隊(duì)實(shí)現(xiàn)了透過(guò)戶外5.9km的濃霧環(huán)境對(duì)自然場(chǎng)景的散射成像。傳統(tǒng)圖像增強(qiáng)方法難以復(fù)原出清晰圖像，而DescatterNet可以取得最優(yōu)的復(fù)原結(jié)果。
 

　　該研究表明，AI技術(shù)應(yīng)用于真實(shí)散射場(chǎng)景的關(guān)鍵在于適配的數(shù)據(jù)集、數(shù)據(jù)處理算法及強(qiáng)大的神經(jīng)網(wǎng)絡(luò)。該研究結(jié)合光學(xué)成像原理研制的新一代智能成像技術(shù)提高了系統(tǒng)的探測(cè)性能，在惡劣天氣下交通安全、視頻監(jiān)控、火場(chǎng)救援和水下探測(cè)等領(lǐng)域展現(xiàn)出應(yīng)用前景。
 

　　研究工作得到國(guó)家自然科學(xué)基金、上海市相關(guān)項(xiàng)目的支持。