训练人工智能准确描绘海洋浮游生物图像真实色彩

       李剑平博士团队在海洋观测机器视觉算法研究中取得新突破，设计发展了一种深度学习图像着色算法，可将水下原位拍摄的海洋浮游生物灰度图像自动着色为天然色彩，着色效果极为接近人眼观察。最新研究论文以Colorization for In Situ Marine Plankton Images为题，被国际机器视觉三大顶级学术会议之一的欧洲机器视觉大会(European Conference on Computer Vision，2022 ECCV，10.23日-27日于以色列特拉维夫召开)接收发表。

       该论文提出了一个融合了色彩直方图、色彩聚合向量、色彩相关图和色彩梯度等彩色特征的图像色彩相似度评价指标CDSIM。通过在海洋浮游生物和自然场景图像上分别开展测试（如下图所示），验证了CDSIM在着色算法效果评价中不仅有效，而且比现有其他指标更适合在科学成像领域的图像着色评价中应用。IsPlanktonCLR算法的发展为海洋成像观测仪器获取准确、真实的观测结果提供了一种新的人工智能解决方案，其效果不仅直接规避了海洋浮游生物原位成像中因生物趋光聚集所致的观测不准确问题，还有可能为其他海洋生物的成像观测困难或损伤带来新的问题解决思路，为人类探索和认识海洋提供新的技术手段。

海洋浮游生物目标图像着色算法效果示例