【儀表網(wǎng) 研發(fā)快訊】近期，中國科學院上海光學精密機械研究所研究員司徒國海團隊提出了基于深度神經(jīng)網(wǎng)絡(luò)的、能夠應(yīng)用于自然場景的實時非侵入式透過散射介質(zhì)光學成像方法(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：科學與應(yīng)用》(Light: Science & Applications)上。
 

　　透過散射介質(zhì)成像具有科學意義和應(yīng)用價值。有研究利用深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)在散斑圖樣中復原清晰的物體，通過優(yōu)化光場調(diào)控實現(xiàn)透過散射介質(zhì)聚焦以及實現(xiàn)超17倍光學厚度的散射成像等。而受限于實際應(yīng)用場景數(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。在實驗室人造散射環(huán)境中，人造光源侵入式照明條件下，利用相機采集相應(yīng)的散射圖像。這樣設(shè)計的實驗條件與實際散射場景在光學特性上大相徑庭。通過這些數(shù)據(jù)訓練的深度神經(jīng)網(wǎng)絡(luò)只可用于類似的實驗環(huán)境，無法應(yīng)用于真實的外場散射環(huán)境。
 

　　該團隊提出了深度學習技術(shù)應(yīng)用于真實散射場景的解決方案，分別從實驗裝置設(shè)計、數(shù)據(jù)集設(shè)計、數(shù)據(jù)預(yù)處理方法、AI模型優(yōu)化和部署等方面開展研究，在真實物體和自然場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法分辨。DescatterNet對真實物體實現(xiàn)了高質(zhì)量的散射成像，提高了成像系統(tǒng)的探測性能。
 

　　在前期成果的基礎(chǔ)上，該團隊進行了自然場景的散射成像實驗并搭建了成像裝置。實驗中，該團隊實現(xiàn)了透過戶外5.9km的濃霧環(huán)境對自然場景的散射成像。傳統(tǒng)圖像增強方法難以復原出清晰圖像，而DescatterNet可以取得最優(yōu)的復原結(jié)果。
 

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

　　研究工作得到國家自然科學基金、上海市相關(guān)項目的支持。