研讨院李学龙教授团队环绕“临地安防”中的涉水视觉范畴，展开了前端光电成像结合后端智能处理的一体化探究，测验打通从光电数据获取到数据智能处理的感算通道。以图画部分化学习理论为辅导，在光电成像前端，运用智能分块含糊的难题，提升了图画重构的质量，构成了光电成像数据准确获取与处理的一体结构，为多模态涉水视觉数据的感知和处理供给了技能支撑，是“临地安防”的典型运用之一。

  地球表面大约70%被海洋掩盖，海洋中蕴藏着不知道的生物和巨大的动力资源，对地球生命的连续起着及其重要的效果。涉水智能成像技能在海洋科考、资源勘探、地貌制作、水下考古等范畴具有极点严峻的运用远景。可是，受深海环境极点、水体吸收散射的影响，尤其是湍流水体的强散射效果影响，传统点对点式成像无法完好保存方针的空间信息。就像图中的潜水员，运用传统相机，图画的细节信息往往被吞没于布景散射光中，构成图画信噪比严峻下降，很难拍出高清画质的相片。为处理该问题，西北工业大学光电与智能研讨院李学龙教授团队环绕临地安防，以边际增强的水下智能成像为方针，展开了人工智能赋能的光电成像技能讨论研讨，为边际信息高质量重构供给了新途径。

  团队提出了边际信息增强的智能成像办法（ILNet），图1展现了ILNet的原理结构。依据以坚持图画信息完好性为方针的张量结构化表征理论，运用智能成像的抗搅扰性以及深度网络的信息提取才能，构建多模态认知核算结构，处理传统成像办法在图画智能重构时，边际信息严峻损失的问题，在模仿实在的湍流水环境中，完成了低采样率、边际增强的方针图画智能重构。此外，ILNet运用勘探到的光强信息为标签练习网络参数，极大节省了数据收集本钱，提高了未练习场景下的泛化才能，为水下强噪声环境的智能光电成像供给了技能储备。相关作业宣布在Optics & LaserTechnology上。

  在此基础上，团队结合物理先验和智能算法，提出了空域频域替换学习的湍流畸变批改办法（ASF-Transformer），大大降低了图画受大气湍流影响构成的噪声、畸变和伪影，提升了图画重构的质量。该办法对成像原理和散布传达理论进行整合，规划了自相重视意力机制来进行频域学习，并运用多头转置注意力机制来削减空域学习的核算量，经过大规模数据的监督学习，明显缓解湍流对光学成像的影响，功能到达世界领先水平。相关作业宣布在Optics Express上。

  近年来，智能光电成像技能加快速度进行开展，运用场景不断拓宽深化。作为光电范畴与智能范畴的穿插技能，智能光电成像打通了从数据获取到数据处理的感算通道，可以有用缓解湍流、散射等复杂多变的场景搅扰，为涉水勘探等临地安防运用供给了新的技能支撑。

  文章出处：【微信号：光行天下，微信大众号：光行天下】欢迎增加重视！文章转载请注明出处。

  ？ /

  被越来越多人运用，除了在医学，生物学上运用外，现在连电子职业也开始运用电子

  的习气，可是有些工程师会为了节省本钱而把一些元器件去掉，导致会有一些静电问题莫名其

  EMC整改事例 /

  遮挡物移除试验研讨 /

  是机器视觉体系必不可少的中心组件，依据不同的类别有不同的分类规范。按传感器的结构特性分类，可分为面阵

  的差异 /

  亮度 /

  内置的收集有什么不同之处？ /

  的分类、特征、运用 /

  【RISC-V敞开架构规划之道阅览体会】RV64指令集规划的考虑以及与流水线规划的逻辑