通过场景适应和多参数优化实现的水下偏振散射研究

《Optics and Lasers in Engineering》：Underwater polarimetric descattering via scene adaptation and multi-parameter optimization

水下成像受散射和吸收影响，传统Stokes方法依赖手动调参，鲁棒性不足。本文提出PGSD框架，引入三个物理参数（场景混合权重、极化可见度因子、背景缩放因子），结合DoLP-gated气光照估计和两阶段优化（GA全局搜索+SQP局部优化），实验表明其能提升清晰度和对比度，适用于不同浑浊度场景。

　　在水下成像领域，光的散射和吸收现象是影响图像质量的核心挑战。这些物理特性不仅会降低图像的对比度，还会削弱目标的可视性，从而限制了水下成像技术在海洋观测、环境监测以及海上安全等应用中的实际效果。为了解决这一问题，近年来研究者们尝试通过引入偏振信息来提升水下图像的清晰度和对比度。然而，现有的偏振成像技术大多依赖于传统的Stokes参数模型，并且在参数调整过程中通常采用手动或启发式的方法，这在面对复杂水下环境时，往往导致方法的鲁棒性和泛化能力不足。

为了克服这些局限性，本文提出了一种基于偏振引导的Stokes去散射（Polarization-Guided Stokes Descattering, PGSD）框架。该框架结合了物理建模与优化策略，旨在通过更精确的参数设置和更合理的模型结构，提升水下图像的恢复质量。具体而言，我们引入了三个可解释的参数：场景诱导的混合权重、偏振可视性因子以及背景尺度。这些参数分别用于补偿反射的不对称性、提升偏振光的可观测性以及实现全局背景光的合理缩放。此外，我们还设计了一种基于线性偏振度（Degree of Linear Polarization, DoLP）的背景光估计方法，用于抑制散射泄漏，确保图像恢复的准确性。为了保证参数的稳定收敛，我们采用了一种两阶段优化策略，结合遗传算法（Genetic Algorithm, GA）进行全局搜索，以及序贯二次规划（Sequential Quadratic Programming, SQP）进行局部优化，从而提高算法的鲁棒性。

本文的研究结果表明，PGSD框架在多种浑浊度条件下均表现出优于传统Stokes模型和仅基于强度的方法。通过实验验证，PGSD能够恢复更清晰的纹理、更高的对比度以及更准确的目标识别。这不仅证明了该方法在实际应用中的有效性，也表明其具备较强的适应性和泛化能力。特别是，在高浑浊度场景中，背景光的时空变化以及目标本身引起的偏振响应，一直是去散射算法面临的难题。而PGSD通过引入更智能的参数估计机制，有效应对了这些问题，从而提高了图像恢复的质量。

在水下成像模型中，单波段或窄波段图像的恢复是最基础且应用最广泛的情景。这类图像能够为目标检测、结构分析以及定量光度学研究提供必要的信息。尽管多波段或彩色去散射方法已经被提出，但它们通常被视为单波段方法的扩展，其物理建模也继承了单波段方法的假设和模型结构。因此，如何在不依赖额外波段信息的情况下，通过优化模型结构和参数设置，提升水下图像的恢复质量，仍然是一个重要的研究方向。

本文提出的PGSD框架正是基于这一思路，通过结合偏振信息与优化算法，实现了对散射和吸收效应的有效抑制。在实验过程中，我们使用了一个透明的PMMA水箱进行测试，水箱的尺寸为65厘米×25厘米×25厘米，并填充了水与半脱脂牛奶的混合液，以模拟不同浑浊度的水下环境。通过这种方式，我们能够更准确地评估PGSD在不同条件下的表现。此外，我们还对牛奶作为散射介质的使用进行了研究，发现其散射系数与牛奶浓度成正比，从而为实验设计提供了理论依据。

为了进一步验证PGSD框架的有效性，我们还进行了消融实验。这些实验在高浑浊度条件下（21毫升牛奶）进行，所使用的原始强度图像如图9(a)所示，而消融实验的结果如图9(b-i)所示。从整体来看，完整的PGSD模型在高浑浊度条件下能够更有效地恢复细节纹理，相较于其他消融模型，其边缘更加清晰，目标识别能力也更强。特别是在处理复杂的水下场景时，PGSD框架表现出更强的鲁棒性，能够有效应对散射和吸收带来的挑战。

本文的研究成果不仅展示了PGSD框架在水下成像中的优越性，也为未来的研究提供了新的思路。通过将偏振信息与优化算法相结合，PGSD能够更准确地估计背景光，并有效抑制散射泄漏，从而提升图像恢复的质量。此外，该框架还能够自动调整参数，无需依赖人工干预，这在实际应用中具有重要意义。同时，通过引入更智能的优化策略，PGSD能够在不同条件下保持稳定的恢复效果，为水下成像技术的发展提供了有力支持。

总之，本文提出了一种基于偏振引导的Stokes去散射框架，旨在解决水下成像中因散射和吸收导致的图像质量下降问题。通过引入可解释的参数和优化策略，PGSD框架不仅提升了图像恢复的准确性，还增强了算法在复杂环境下的适应能力。实验结果表明，PGSD在多种浑浊度条件下均优于传统方法，具有较高的实用价值。未来的研究可以进一步探索如何在不同波段和不同环境条件下优化PGSD框架，以实现更广泛的应用。同时，也可以结合更多的物理模型和优化算法，提升去散射技术的性能和鲁棒性。