近期,来自中国科学院深圳先进技术研究院集成所光电工程技术中心的李剑平团队设计了一种深度学习图像着色算法,可将水下原位拍摄的海洋浮游生物灰度图像自动着色为天然色彩,着色效果极为接近人眼观察。该研究成果于10月23日在国际机器视觉三大顶级学术会议之一的欧洲机器视觉大会上发表。中国科学院大学硕士研究生郭冠男为第一作者,李剑平博士为论文通讯作者,来自厦门大学、哈尔滨工业大学(深圳)的数据科学家参与本课题的合作研究。

随着技术的发展,越来越多的浮游生物成像仪实现了彩色成像,也有许多实验证明彩色图像能够比灰度图像带来更为丰富的信息,对浮游生物观测起到重要作用。然而,水下彩色成像需要使用白光照明,会导致浮游动物因趋光性大量聚集在水下成像仪器前,改变它们在水下的原有空间分布。这种非自然的改变,会导致浮游生物的观测结果产生严重偏差,观测定量无法准确。“由于绝大多数浮游动物对波长较长的红光不敏感,传统的水下成像仪多数使用红光或近红外光照明成像,以避免浮游动物的趋光性聚集。但这样的拍摄条件只能获得浮游生物的灰度图像。通过训练人工智能将红光照明下获取的灰度图像转换为高保真的彩色图像是一种巧妙的解决之道。”李剑平表示。(记者 杜婷)

推荐内容