近期，中国科学院上海光学精密机械研究所研究员司徒国海团队提出了基于深度神经网络的、能够应用于自然场景的实时非侵入式透过散射介质光学成像方法（DescatterNet）。相关研究成果以Learning-based real-time imaging through dynamic scattering media为题，发表在《光：科学与应用》（Light: Science & Applications）上。
透过散射介质成像具有科学意义和应用价值。有研究利用深度神经网络实现在散斑图样中复原清晰的物体，通过优化光场调控实现透过散射介质聚焦以及实现超17倍光学厚度的散射成像等。而受限于实际应用场景数据集难以采集，多数研究只能利用空间光调制器依次加载大量图像。在实验室人造散射环境中，人造光源侵入式照明条件下，利用相机采集相应的散射图像。这样设计的实验条件与实际散射场景在光学特性上大相径庭。通过这些数据训练的深度神经网络只可用于类似的实验环境，无法应用于真实的外场散射环境。
该团队提出了深度学习技术应用于真实散射场景的解决方案，分别从实验装置设计、数据集设计、数据预处理方法、AI模型优化和部署等方面开展研究，在真实物体和自然场景中取得显著的散射成像效果。
研究显示，随着散射程度加深，原始散射图像迅速退化并完全无法分辨。DescatterNet对真实物体实现了高质量的散射成像，提高了成像系统的探测性能。
在前期成果的基础上，该团队进行了自然场景的散射成像实验并搭建了成像装置。实验中，该团队实现了透过户外5.9km的浓雾环境对自然场景的散射成像。传统图像增强方法难以复原出清晰图像，而DescatterNet可以取得最优的复原结果。
该研究表明，AI技术应用于真实散射场景的关键在于适配的数据集、数据处理算法及强大的神经网络。该研究结合光学成像原理研制的新一代智能成像技术提高了系统的探测性能，在恶劣天气下交通安全、视频监控、火场救援和水下探测等领域展现出应用前景。
研究工作得到国家自然科学基金、上海市相关项目的支持。
论文链接
“未来，创新驱动至关重要，要结合基础与应用研究，利用前沿科技推动产业升级。”11月8日，中国工程院院士、大连工业大学教授朱 本报9月30日综合消息 75载砥砺奋进，75载凯歌前行，75载春华秋实。在中华人民共和国75周年华诞到来之际，各地各校干部师生满怀喜悦和豪情，通过丰富多彩、形式多样的活动，共享荣光、共庆华诞，为全面推进教育强国建设积蓄前 普通高等学校特殊类型招生是高校考试招生工作的重要组成部分。日前，教育部印发通知，对做好2025年普通高校部分特殊类型招生工作进行部署，要求各地各有关高校深入贯彻党的二十届三中全会和全国教育大会精神，进一步建立 为深入学习贯彻全国教育大会精神，大力弘扬教育家精神，推动粤港澳大湾区教师队伍高质量发展，11月9日，教育部教育家精神宣讲（港澳站）暨粤港澳大湾区师德师风建设学术研讨会在澳门举行。 开幕式上，教育部教师工作司有关 近年来，笔者先后在北京、江苏、山东、陕西、河南、黑龙江、云南等地多所重点高中进行复习课教学指导，与相关学校高三年级的各学科教师就课堂观察情况进行座谈交流。笔者发现，不少复习课都一 走进湖南省怀化市溆浦县低庄镇金子湖村菌草种植基地，一排排木耳菌棒在自动喷淋系统浇灌下生机勃勃，它们早已被提前订购。近年来，金子湖村在湖南铁道职业技术学院驻村工作队的帮扶下，经济发展突飞 。本文链接：科学家提出实时非侵入式透过散射介质光学成像方法http://www.sushuapos.com/show-12-438-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 火星空间太阳高能粒子能谱完整构建
下一篇： 新研究发现捕食者与猎物共用化学报警信号