9月19日下午，信息工程学院科研讨论班第12讲“复杂水域图像处理算法研究”在三教S437教室顺利举行。此次讨论班由信息工程学院图像处理与应用团队的教师参与。由于水下图像处理环境复杂，例如光照变化、波浪干扰以及水面反射等因素，给图像处理带来了巨大挑战。为此，如何突破传统图像处理算法的局限性，利用深度学习等先进技术对水下图像进行复原、去噪和增强，成为了此次讨论的核心议题。

本次会议由孙胤邦老师主讲，李亚利老师主持，全体团队成员踊跃参与。孙老师分享了复杂水域图像处理的最新研究成果，深入探讨了水域环境中图像处理所面临的挑战，包括光照变化、波浪干扰和水面反射等问题。水下环境复杂多变，传统图像处理技术常常难以应对光照变化、波浪运动和水面反射等因素。因此，研发新型图像处理算法，尤其是基于深度学习的技术，已成为提升水下图像处理效果的关键。

为了应对这些挑战，团队提出了创新的图像增强算法设想，例如基于深度学习的图像增强算法，能够有效去除水下图像中的噪声，同时增强图像的细节和对比度，从而提高水下目标识别的准确性。团队还关注了如何将视觉Transformer技术应用于水下图像处理领域。近年来，Transformer结构在自然语言处理领域的成功已扩展到计算机视觉任务中，其自注意机制可以捕捉全局信息，弥补了传统卷积神经网络只能处理局部信息的缺陷。然而，孙老师也提到，随着水下图像通常为高分辨率，自注意机制的计算复杂度会呈二次幂增长，这为实际应用带来了计算成本上的巨大挑战。因此，如何有效地降低高分辨率图像的计算复杂度成为了团队当前研究的重点。

在讨论过程中，大家结合各自的研究方向提出了许多有针对性的问题。例如，有老师提出，在实际水域场景中，如何处理图像中的光照反射干扰，以及如何通过数据增强技术来提升模型的泛化能力。此外，针对水下图像目标的细节丢失问题，团队也探讨了多种可能的解决方案，如引入多尺度特征提取机制，以更好地捕捉目标的细节信息。各位成员在讨论中还分享了自己在图像处理中的实践经验，并给出了许多具有建设性的建议。

会议最后，团队决定定期组织类似的科研讨论班，以促进学术交流和合作。通过定期的学术探讨，团队将继续围绕复杂水域图像处理领域的前沿问题进行深入研究，推动图像处理与计算机视觉技术在实际场景中的应用。参与人员一致认为，本次讨论班不仅丰富了他们的理论知识，还为今后的研究提供了许多新的思路。大家期待通过团队的持续努力，进一步推动水下图像处理技术的发展。

信息工程学院团总支

2024年9月21日