■记者 任娜 通讯员 孙哲 潘子祺
水下无人潜航器在一片陌生的海域工作，完成生态环境、油气资源勘探。当无人潜航器返航时，漆黑的深海暗流涌动，导引影像受到水下恶劣环境的影响而模糊不清，导致无人潜航器无法自主、精准地驶回基站……如何擦亮潜航器的“眼睛”？这成为研究人员亟待解决的问题。7月14日记者获悉，近日西北工业大学光电与智能研究院李学龙教授团队在“涉水视觉”方面的研究取得重要进展。
据介绍，该团队以水下潜航器的智能视觉导引为目标，提出了能够高效提取光场信息的智能成像方法，在大衰减、强散射的水下湍流环境中，实现了高信噪比、高分辨率的目标图像处理及重构。相关成果发表在光学类高水平期刊Optics & Laser Technology上。该研究成果为受限条件的水下潜航器智能视觉导引回收做了必要的技术探索和储备，是“临地安防”的典型应用之一。
什么是水下智能视觉导引技术？相关工作人员介绍，水下智能视觉导引技术是通过相机或其他光学传感器，获得目标的图像信息，利用智能图像处理与位姿解算技术，为水下无人潜航器提供相对位置、姿态、运动状态等信息的技术。
水下无人潜航器是深海勘探、矿产开发、科考作业、海洋救援等的重要辅助，能够有效提升我国的海洋探测及海洋开发能力。其进入深海的前提是实现精准定位和导引，然而深海暗流涌动、环境复杂、数据获取难度高，这对无人潜航器的视觉导引和图像处理提出极高要求。
受限于深水环境，光线的传播会大幅衰减且被强烈散射，传统点对点式成像无法完整保存目标的空间信息，难以获得高质量的目标图像。为解决该问题，团队以水下智能视觉导引为目标，展开了人工智能赋能的光学成像技术研究，为强噪声环境成像提供了新途径。
李学龙教授团队基于图像处理“低维流形嵌入”的科学思想，提出了能够高效提取光场信息的智能成像方法（IEGI），利用神经网络卓越的信息提取能力，构建多模态认知计算框架，为图像处理提供了数理判据，解决了传统水下成像过程中图像质量退化造成的场景难解析问题，以极低采样率高质量地重构了目标图像。
“这好比给传统水下成像的过程戴上了一副‘AI眼镜’，它能够自主过滤干扰、通过一系列人工智能分析处理大幅还原图像信息，让潜航器获得准确清晰的水下目标图像。”工作人员介绍，在实验室模拟真实的深海湍流水环境中，团队已通过IEGI方法成功实现了低采样率、高质量的目标图像智能重构。
采访中记者了解到，IEGI方法具有高质量、高效率、自适应三大优势。为克服水下恶劣光学环境中水体吸收散射对重构图像的影响，团队充分利用神经网络在信息提取方面的能力，实现了以极低采样率即可重构高质量目标图像。为了在成像时提高数据利用率，降低数据采集的要求，团队通过智能神经网络消除成像过程中的冗余信息，有效提高了远距离水下成像的效率。为灵活适应复杂多变的水下环境，团队提出了智能训练辅助的网络模型，以光束穿过目标的强度值为标签，在多变的水下场景下及时调整网络参数，提高对不同场景的适应能力。