10月29日，信息工程学院于综合楼S415教室举办了一场探索Transformer与粒子滤波算法在水下图像处理中的应用科研讨论班。此次讨论班由信息工程学院图像处理与应用团队的教师参与，旨在深入探讨水下图像处理技术的最新突破及其实用方向，特别聚焦于Transformer结构与粒子滤波算法等前沿技术的创新应用。
会议伊始，李亚利老师回顾了上次会议的研究议题，并总结了已解决的关键技术难题。他强调，水下图像增强技术因水下环境的复杂性而面临诸多挑战，如光照不足、对比度低、水体浑浊等，因此，探索和优化先进的图像处理算法成为该领域的重要研究方向。
会议的核心议题之一聚焦于Transformer结构在图像处理中的创新应用。孙胤邦老师详细阐述了Transformer结构的发展历程，从原始Transformer到Vision Transformer（ViT）、Swin Transformer以及Pyramid Vision Transformer（PVT）等关键模型，深入剖析了这些模型在图像处理领域的价值。他特别指出，基于Transformer的水下图像增强方法利用多头自注意力机制，能够动态调整图像特征的权重，实现更高效的图像特征提取和色彩修复。这一方法不仅能在复杂水下环境中自动聚焦关键区域，还显著提升了图像的细节恢复和整体色彩校正效果。
另一重要议题是粒子滤波算法在水下图像去噪中的独特优势。贾会强老师详细介绍了粒子滤波算法的基本原理和特点，指出其高度的灵活性使其能够根据不同环境需求调整参数，从而更有效地应对水下环境中复杂多变的噪声问题。实验数据显示，粒子滤波算法在去除水下图像噪声方面表现优异，尤其在噪声强度较高的场景中，其优势更为显著。贾老师还分享了该算法在不同场景下的处理速度与精度数据，为未来的水下图像增强算法研究提供了宝贵的参考。
会议最后，李亚利老师带领团队成员对多种水下图像增强算法的性能进行了综合分析与对比。大家深入讨论了Deep WaveNet模型、UIE模型、U-Transformer模型等最新研究成果，并思考了各算法在不同水下环境中的应用潜力。团队一致认为，尽管当前已有多种算法在特定场景下表现出色，但尚无一种算法能够全面满足所有水下图像增强的需求。因此，未来的研究应更加注重多算法的融合与改进，以探索更高效、更稳定的水下图像处理技术。
送稿日期：10月30日 审核人：王明印
