4月23日，记者从中国科学院西安光学精密机械研究所获悉：该所光谱成像技术研究室研究员王荃团队在计算成像领域取得重要研究进展。团队提出一种新的计算成像算法，来解决快照压缩成像中高速运动画面模糊重影等难题。相关成果发表于国际学术期刊《模式识别》。
“用猫咪跳跃举例，传统拍照连拍8次要按8次快门，约占16MB内存，还容易错过动作。快照压缩成像拍一次就能把猫咪跳跃的8个瞬间全部重叠压缩在一张底片里，存储空间不到0.7MB，但多个画面叠在一起就会模糊重影。猫跳得越快，画面就越乱。”团队成员尹建福说。
面对运动视频快照压缩成像中传统方法难以突破的瓶颈，该团队创新性提出基于渐进式退化估计与去噪主干网络的深度展开框架，为动态场景高质量重建提供全新技术路径。
“我们采用‘逐级精修’展开架构，在每一阶段协同引入‘退化估计’与‘去噪’模块。”尹建福介绍，“退化估计”模块负责分析每次重建后残留的误差，像使用“修正液”一样一点点消除那些不均匀的伪影；“去噪”模块巧妙引入“自适应时空协同”机制，不需要像传统方法那样费力地对齐每帧画面的位置，而是让算法感知前后帧的时间关联，从而把动作细节恢复得更自然、更准确。
尹建福解释：“这就像给相机装上了一个‘超级解压大脑’，不是一次性将模糊照片‘变’清晰，而是分阶段、有步骤地处理，边修正误差边‘去噪’，不用复杂对齐就能把糊掉的画面变清晰。哪怕是深夜高速行驶的赛车，也能在一次曝光中被抓拍得清清楚楚，车牌号和行驶状态一目了然。”
测试结果显示，无论是模拟数据还是真实场景的灰度视频，这一方法在画面清晰度、运动连贯性以及计算速度上均超越了当前主流的几种前沿算法，综合性能突出。
这项研究成果有望应用于智能交通监控、自动驾驶感知、公共安全监测、医疗动态成像以及工业高速检测等领域，可在低照度或高速运动条件下实现更清晰、更高效的信息获取与分析，将为提升城市运行安全、医疗诊断水平和智能制造能力提供支撑。（群众新闻记者 孙亚婷）
更多资讯，下载群众新闻
