偏振约束的全局-局部门控自适应融合网络：水下偏振成像新方法

为解决水下偏振图像恢复中全局低频信息与局部高频细节难以同时修复的挑战，研究人员提出偏振约束的全局-局部门控自适应融合网络（PGGAFNet）。该网络通过门控机制（GGLAF）动态融合全局背景强度与局部细节特征，结合偏振注意力机制（POA）和偏振损失函数（Lp），显著提升了图像清晰度与结构完整性。实验表明，该方法在低、中、高浊度条件下均优于现有技术，为海洋探测与生态监测提供了新工具。

　　

水下偏振成像的困境与突破
海洋探索中，浑浊水体导致的光散射和吸收使成像质量急剧下降，传统方法如暗通道先验（DCP）或物理模型难以兼顾全局背景与局部细节的恢复。尽管偏振成像技术通过偏振差分成像或斯托克斯矢量优化提升了清晰度，但现有深度学习模型仍缺乏对全局信息与偏振特征的有效整合。

西安电子科技大学的研究团队在《Optics and Lasers in Engineering》发表研究，提出偏振约束的全局-局部门控自适应融合网络（PGGAFNet）。该网络通过三大创新点实现突破：1）门控全局-局部自适应融合（GGLAF）策略，动态平衡背景光强与细节特征的权重；2）基于偏振角（AoP）的偏振注意力（POA）机制，强化对高差异区域的聚焦；3）融合结构相似性损失（SSIM Loss）与L₁损失的偏振损失函数（L_p），优化高频特征保留。

关键技术方法
研究采用主动偏振成像系统构建数据集，使用20%脂肪乳模拟散射环境，以sCMOS相机捕获0°、45°、90°偏振图像。网络架构为对称编码器-解码器，输入三通道偏振图像并计算AoP，通过GGLAF模块实现多尺度特征融合，POA机制增强细节区域权重，L_p损失约束高频结构。

研究结果

1. 方法：网络通过三编码-解码层处理偏振图像，AoP计算为θ(x,y)=1/2 tan^-1(I₄₅-I₉₀)。
2. 网络与数据集：自制数据集验证显示，GGLAF在低反射目标中恢复效果提升30%。
3. 讨论：高浊度场景下，PGGAFNet在背景一致性（PSNR提高4.2dB）和边缘锐度（SSIM提升15%）上显著优于U2R-pGAN等模型。
4. 结论：该方法在多种浊度条件下均保持鲁棒性，尤其适用于复杂海洋环境的目标探测。

意义与展望
该研究首次将门控机制与偏振约束结合，解决了水下成像中全局-局部信息失衡的难题。未来可扩展至动态场景或三维偏振成像领域，为深海资源开发与生态保护提供更强大的技术支撑。