计算机科学与技术学院张云峰教授指导，学生姜群作为第一作者撰写的论文《Two-step domain adaptation for underwater image enhancement》目前在期刊《Pattern Recognition》上在线发表。该期刊为模式识别领域的顶级期刊之一，JCR一区（Q1）Top期刊，最新影响因子为7.74，在全球机器学习与模式识别领域具有很高的影响力，系我校A1类期刊。
水下图像是探索海洋环境的最有效的工具，但是，由于波长依赖的光在水中的吸收和散射造成的水下图像的退化严重影响了它们的实际应用。水下图像增强是一种经典的水下图像处理方法，其目的是消除光散射(类似于雾)的影响和校正色差。本论文首次将迁移学习应用到水下图像增强，提出了一种新的用于真实场景下水下图像增强的两步域适应框架，将空气中的图像去雾迁移到水下图像增强。并且该方法不需要使用合成的成对的水下图像训练，消除了对水下真值图像的依赖。
该算法可以应用到后续的水下目标检测，海洋生物监测，海洋勘探，水下电缆检测等实际应用场景中。
撰稿：李珊珊
编审：吕海霞
