近日，厦门大学水声通信与海洋信息技术教育部重点实验室、信息学院袁飞教授团队于海洋工程领域顶级期刊《IEEE Journal of Oceanic Engineering》在线发表了题为“Turbid Underwater Image Enhancement Based on Parameter-tuned Stochastic Resonance”的文章，该研究提出了一种基于参数调谐随机共振的水下光学图像增强算法，并从多方面中验证了该算法提高图像质量和提升下游任务性能的能力，对极端条件下的水下光学探测具有积极的意义。
水下光学成像是人类认识海洋、开发利用海洋和保护海洋的重要手段和工具，具有探测目标直观、成像分辨率高、信息含量高等优点。然而，在沿海或湖泊等高浊度水体中，水中的散射体（包括水分子、悬浮颗粒和浮游藻类）会对光的传播造成衰减以及散射等影响。严重的散射光进入成像系统，产生大量的噪声，并出现面纱光效应。使获得的图像质量大大降低，场景和目标的边缘和轮廓模糊不清。因此，退化图像中的特征和信息将不能有效地被下游任务（如水下目标检测、分割与识别等）所提取和利用。
文章为了解决上述问题，提出了一种基于参数调谐随机共振（PSR）的水下浊度图像增强方法，该方法不需要先验假设和大量的数据驱动，可以同时适应不同类型的浑浊水体。首先，文章从弱信号增强的角度出发，设计了一个基于PSR的图像增强算法框架。为了给随机共振（SR）系统的参数调谐提供可靠有效的依据，文章还构建了一个根据水下成像模型合成的浑浊水下图像数据集，以探究SR系统对浑浊水下图像的输出响应与各种类型图像质量评价指标之间的关系。根据得出的结论，为SR系统设计了一个自适应的参数调整策略，以指导图像的增强过程，保证系统输出的性能。最后，在多个基准数据集上和各类自然水体中的评估实验表明，与各类水下图像增强的SOTA方法相比，所提出的方法不仅在提高水下图像质量上有优异的表现，而且能够更好地提升下游任务的性能。
信息学院2019级博士研究生肖丰奇为论文第一作者，袁飞教授为通讯作者。该研究得到国家自然科学基金（62071401，61871336）以及厦门市海洋局海洋发展专项基金（No.21CZB015HJ10）的联合资助。
Xiao F, Yuan F, Huang Y, Cheng E. Turbid Underwater Image Enhancement Based on Parameter-tuned Stochastic Resonance [J]. IEEE Journal of Oceanic Engineering (IEEE JOE), 2022.
