上海光機所在AI應(yīng)用于自然場景散射成像的研究上取得進展

本工作得到了國家自然科學(xué)基金委、上海市學(xué)術(shù)帶頭人項目、上海市科技重大專項以及上海揚帆計劃等項目的支持。近期，中國科學(xué)院上海光學(xué)精密機械研究所空天激光技術(shù)與系統(tǒng)部司徒國海研究員團隊，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的、能應(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。相關(guān)成果以“Learning-based real-time imaging through dynamic scattering media”為題發(fā)表于Light: Science & Applications。

透過散射介質(zhì)成像對道路交通安全、火場救援、安防監(jiān)控、水下探測與醫(yī)療診斷等領(lǐng)域具有重要的科學(xué)意義和應(yīng)用價值。隨著近些年人工智能技術(shù)的興起，研究人員已經(jīng)利用深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)從散斑圖樣中復(fù)原出清晰的物體、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)厚度的散射成像等工作。這些研究成果無不彰顯著人工智能技術(shù)帶來的收益。然而，受限于實際應(yīng)用場景的數(shù)據(jù)集難以采集，大多已有研究只能用空間光調(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，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，用這些數(shù)據(jù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)只能應(yīng)用在類似的實驗環(huán)境，而無法應(yīng)用在真實的外場散射環(huán)境中。

針對這一問題，研究團隊提出了一種深度學(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)化和部署等方面進行研究，最終在真實物體和自然場景中取得顯著的散射成像效果。

如圖2所示，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，大大提高了成像系統(tǒng)的探測性能。

在前面工作基礎(chǔ)上，研究人員進行了自然場景的散射成像實驗，并搭建了如圖3a所示的成像裝置。在這項實驗中，該研究成功實現(xiàn)了透過戶外5.9km的濃霧環(huán)境對自然場景進行散射成像。傳統(tǒng)圖像增強方法比如暗通道和Retinex等都難以復(fù)原出清晰圖像，而DescatterNet則取得最優(yōu)的復(fù)原結(jié)果。

該成果表明解決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)處理算法以及強大的神經(jīng)網(wǎng)絡(luò)。結(jié)合光學(xué)成像原理研制的新一代智能成像技術(shù)極大地提高了系統(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)出巨大的應(yīng)用前景。

相關(guān)鏈接：https://www.nature.com/articles/s41377-024-01569-0