【儀表網(wǎng) 研發(fā)快訊】近期，中國科學(xué)院上海光學(xué)精密機械研究所研究員司徒國海團(tuán)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(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。
 

　　透過散射介質(zhì)成像具有科學(xué)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(fù)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(xué)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(xué)特性上大相徑庭。通過這些數(shù)據(jù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)只可用于類似的實驗環(huán)境，無法應(yīng)用于真實的外場散射環(huán)境。
 

　　該團(tuán)隊提出了深度學(xué)習(xí)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(tuán)隊進(jìn)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(tuán)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(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(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(xué)基金、上海市相關(guān)項目的支持。