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王荃研究员团队在计算成像领域取得重要研究进展。他们提出了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核心难题。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个瞬间像‘折叠屏风’一样，全部重叠压缩在一张底片里，存储空间还不到0.7MB，但多个画面叠在一起，就会模糊重影，猫跳得越快越乱。”团队成员尹建福开门见山。

面对运动视频快照压缩成像中传统方法难以解决的核心瓶颈，王荃研究员团队创新性地提出了基于“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，像使用可学习的“修正液”一样，一点点消除那些不均匀的伪影；“去噪”模块则巧妙地引入“自适应时空协同”机制，它不需要像传统方法那样费力地去对齐每帧画面的位置，而是让算法自己去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。

视频 SCI 系统的框架（左上）以及“渐进式退化估计与去噪”方法，在保持高效率的同时，其性能超越了当前主流前沿算法（右上）。其余部分（中下）展示了“渐进式退化估计与去噪”方法中间输出过程中重建效果的逐步提升，尤其是在运动区域。

尹建福解释：“通俗点说，我们这项进展就像给相机装上了一个‘超级解压大脑’，它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，就能把糊掉的画面重新变清晰。”

测试结果显示，无论是模拟数据还是真实场景的灰度视频，这一新方法在画面清晰度、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多个领域，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，为提升城市运行安全、医疗诊断水平和智能制造能力提供有力支撑。

“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。”尹建福表示。

据悉，王荃研究员团队长期致力于计算机视觉与生物医学成像、脑机智能等交叉方向的研究，有关进展发表于相关领域权威期刊及会议。（群众新闻记者 孙亚婷）

奔流新闻线索报料方式  

^{报料热线：13893646444（微信同号） 13993123681    0931—8159555}

^{报料邮箱：1902937948@qq.com}

展开剩余部分

打开奔流新闻APP，阅读体验更好