水下彩色成像會(huì)導(dǎo)致浮游動(dòng)物因趨光性大量聚集在成像儀器前，使觀測(cè)結(jié)果產(chǎn)生偏差。IsPlanktonCLR算法采用了一種具有自指導(dǎo)功能的雙通路網(wǎng)絡(luò)結(jié)構(gòu)，配合定制化的調(diào)色板和逐步聚焦的損失函數(shù)，實(shí)現(xiàn)了對(duì)浮游生物灰度圖像的自動(dòng)化著色。

　　海洋浮游生物作為一類懸浮在水層常隨水流移動(dòng)的海洋生物，是海洋生態(tài)系統(tǒng)的基本組成部分，對(duì)浮游生物的觀測(cè)不僅是海洋生態(tài)科學(xué)研究的基礎(chǔ)，也是現(xiàn)代海洋生態(tài)環(huán)境管理不可或缺的手段。

　　近期，來自中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院集成所光電工程技術(shù)中心的李劍平團(tuán)隊(duì)設(shè)計(jì)了一種深度學(xué)習(xí)圖像著色算法，可將水下原位拍攝的海洋浮游生物灰度圖像自動(dòng)著色，著色效果極為接近人眼觀察的實(shí)際效果。

　　實(shí)現(xiàn)了對(duì)浮游生物灰度圖像的自動(dòng)化著色

　　近年來，隨著技術(shù)的發(fā)展，越來越多的浮游生物成像儀實(shí)現(xiàn)了彩色成像，也有許多實(shí)驗(yàn)證明彩色圖像能夠比灰度圖像提供更為豐富的信息，對(duì)浮游生物觀測(cè)起到重要作用。

　　然而，水下彩色成像需要使用白光照明，會(huì)導(dǎo)致浮游動(dòng)物因趨光性大量聚集在水下成像儀器前，改變它們?cè)谒碌脑锌臻g分布。這種非自然的改變，會(huì)導(dǎo)致對(duì)浮游生物的觀測(cè)結(jié)果產(chǎn)生嚴(yán)重偏差，觀測(cè)定量不夠準(zhǔn)確。

　　“由于絕大多數(shù)浮游生物對(duì)波長(zhǎng)較長(zhǎng)的紅光不敏感，傳統(tǒng)的水下成像儀多數(shù)使用紅光或近紅外光照明成像，以避免浮游生物因趨光性聚集。但這樣的拍攝條件只能獲得浮游生物的灰度圖像。如果能夠訓(xùn)練人工智能，將紅光照明下獲取的灰度圖像轉(zhuǎn)換為高保真的彩色圖像，就可以解決這一難題?！崩顒ζ奖硎?。

　　針對(duì)這一設(shè)想，李劍平團(tuán)隊(duì)設(shè)計(jì)并訓(xùn)練了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的浮游生物自動(dòng)著色算法，并將其命名為IsPlanktonCLR算法。

　　該算法采用了一種具有自指導(dǎo)功能的雙通路網(wǎng)絡(luò)結(jié)構(gòu)，配合定制化的調(diào)色板和逐步聚焦的損失函數(shù)，實(shí)現(xiàn)了對(duì)浮游生物灰度圖像的自動(dòng)化著色，且對(duì)稀有物種和普通物種關(guān)鍵部位的色彩還原具有優(yōu)異的準(zhǔn)確性。

　　構(gòu)建浮游生物彩色—灰度原位圖像對(duì)數(shù)據(jù)集

　　為實(shí)現(xiàn)IsPlanktonCLR算法的訓(xùn)練與開發(fā)，李劍平團(tuán)隊(duì)通過長(zhǎng)期不懈積累，結(jié)合自主研發(fā)的海洋原位成像儀，構(gòu)建了一個(gè)浮游生物彩色—灰度原位圖像對(duì)數(shù)據(jù)集。利用該數(shù)據(jù)集，團(tuán)隊(duì)不僅訓(xùn)練了IsPlanktonCLR算法的著色算法，還將其與CIC、MemoColor、LetColor、InstCol、Chroma等現(xiàn)有最優(yōu)水平著色算法進(jìn)行了性能對(duì)比。

　　“我們的實(shí)驗(yàn)結(jié)果證實(shí)，無論是在人眼視覺感受效果上，還是在機(jī)器視覺的經(jīng)典量化指標(biāo)上，IsPlanktonCLR算法都表現(xiàn)優(yōu)異。”李劍平說道。

　　此外，研究團(tuán)隊(duì)還注意到現(xiàn)有面向圖像復(fù)原的著色算法普遍缺乏客觀、定量的著色評(píng)價(jià)指標(biāo)。對(duì)此，團(tuán)隊(duì)提出了一個(gè)融合了色彩直方圖、色彩聚合向量、色彩相關(guān)圖和色彩梯度等彩色特征的圖像色彩相似度評(píng)價(jià)指標(biāo)CDSIM，并通過在海洋浮游生物和自然場(chǎng)景圖像上分別開展測(cè)試，驗(yàn)證了CDSIM在著色算法效果評(píng)價(jià)中不僅有效，而且更適合在科學(xué)成像領(lǐng)域的圖像著色評(píng)價(jià)中應(yīng)用。

　　李劍平表示，IsPlanktonCLR算法的發(fā)展為海洋成像觀測(cè)儀器獲取準(zhǔn)確、真實(shí)的觀測(cè)結(jié)果提供了一種新的人工智能解決方案，其效果不僅直接規(guī)避了海洋浮游生物原位成像中因生物趨光聚集所致的觀測(cè)不準(zhǔn)確問題，還有可能為其他海洋生物的成像觀測(cè)困難或損傷帶來新的問題解決思路，為人類探索和認(rèn)識(shí)海洋提供新的技術(shù)手段。（丁寧寧 劉傳書）