删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

北航白相志教授团队在大气湍流效应成像退化机制及退化抑制研究中取得进展

本站小编 Free考研考试/2021-12-25

北航新闻网10月20日电(通讯员 史洁玉)近日,《Nature》子刊《Nature Machine Intelligence》(2021年第10期)以全文Article形式刊发了我校宇航学院白相志教授团队最新研究成果“Neutralizing the impact of atmospheric turbulence on complex scene imaging via deep learning”,提出了一种基于多尺度时空域注意力机制的生成对抗网络模型,逆向推理大气湍流效应导致的二维成像退化过程,揭示了深度学习在推演复杂随机物理过程方面的潜力。

大气湍流效应广泛存在于日常生活和工业生产中。在大雷诺数、惯性力对流场影响为主导的情况下,流体失稳并分化为尺度不一的湍涡,形成湍流。在高分对地观测、远距离成像探测、大范围安防监测等应用中,湍流使得大气折射率随时间和空间作无规则变化,导致光在传输过程中发生强度、相位和方向性波动,最终成像结果包含高度耦合的时变-空变模糊和几何畸变退化(图1)。而湍流的各向异性、不均匀性和不确定性,使得上述退化过程高度病态、高度非线性。因此,对这一物理过程进行逆向推理、抵消成像过程中大气湍流引起的退化效应是一项巨大挑战。

图1. 大气湍流效应下成像退化物理过程示意图
针对上述问题,白相志教授团队基于大气湍流效应成像退化机制进行半物理仿真,提出一种基于生成对抗网络的逆向推理方法(TSR-WGAN),抑制了光线波动引起的模糊效应(图2),缓解了光路变化导致的时域连续几何畸变与抖动(图3)。在PSNR、RRED等客观量化指标上均优于对比方法,在包含50名参与者的主观测试中总体得分指标领先对比方法50%以上(图4)。更为重要的是,该研究建立了大型仿真湍流数据集和真实湍流数据集(共27458段视频序列,包含411870帧图像),提供了视觉对比评测软件。研究成果可为后续湍流物理性质的探索提供理论支撑,在高分对地观测、远距离成像探测、大范围安防监测中有重要应用。
宇航学院2019级博士研究生晋达睿为该论文第一作者,白相志教授为通讯作者,北京航空航天大学为唯一完成单位。宇航学院博士研究生卢毅、陈俊彰、王鹏、郭胜,硕士研究生陈颖、刘子超在研究中也做出了重要贡献。该研究得到国家自然科学基金通用联合基金重点项目(批准号:U1736217)和国家重点研发计划(批准号: 2019YFB1311301)的支持。

图2. TSR-WGAN改善图像模糊效应效果。图中左半部分为受大气湍流效应影响的退化图像,右半部分为TSR-WGAN校正后效果。

图3. TSR-WGAN(最后一列)与其他对比方法校正抖动与几何畸变效果对比

图4.基于Bradley-Terry模型计算得到的主观成像质量归一化评价指数结果,TSR-WGAN显著高于对比方法
论文链接:https://www.nature.com/articles/s42256-021-00392-1
(审核:刘睿)
编辑:贾爱平
相关话题/大气 过程 物理 图像 宇航