哈工程深入贯彻落实党的二十大和二十届历次全会精神，持续深入贯彻落实习近平总书记视察学校重要讲话重要指示精神，聚焦海洋人工智能领域技术攻关，为服务高水平科技自立自强贡献智慧与力量。近日，船舶学院秦洪德教授团队在水下图形图像领域取得重要突破，研究成果《基于频域扩散先验引导与小波分层次融合的水下图像增强方法研究》（Diffusion-based frequency degradation prior fusion with hierarchical wavelet decompositions for underwater image enhancement）登上人工智能领域顶级期刊《Information Fusion》。论文第一作者为哈工程船舶学院博士研究生陈浩杰，通讯作者为王卓教授。

受海水光线吸收、散射特性影响，水下图像普遍存在色偏严重、对比度低、细节模糊等问题，严重制约水下机器人目标探测、三维重建、水下搜救等视觉任务开展。当前主流扩散模型水下图像增强效果优异，但存在计算量大、迭代步骤多、推理速度慢的短板，无法满足水下机器人嵌入式设备的实时作业需求，难以规模化落地海洋工程场景。

针对该行业瓶颈，团队转变传统技术思路，摒弃扩散模型直接生成增强图像的固有范式，创新提出FPG-Diff水下图像增强融合框架。研究团队解耦退化建模与图像恢复两大任务，设计频域扩散模型精准提取海水成像退化先验特征；结合小波分层分解策略，拆分图像高低频特征，通过多尺度卷积与自注意力模块修复纹理细节，依托退化先验动态校正图像色彩与对比度。该方案融合频域扩散与小波分解双重技术优势，从根源降低模型计算复杂度，解决画质与运算效率无法兼顾的行业难题。

FPG-Diff与其他水下图像增强方法在C60数据集上的增强效果对比可视化

经权威公开数据集验证，该新技术综合性能领跑现有主流算法。算法PSNR、SSIM核心评价指标及主观成像效果表现最优，在低照度、高浑浊等恶劣水下工况下仍能精准还原图像色彩与细节，算法鲁棒性和泛化能力突出。相较同类主流扩散算法，该方法仅需5轮扩散迭代即可完成图像处理，推理速度提升200倍以上，轻量化、实时性优势显著，完美适配水下机载嵌入式硬件。

FPG-Diff对下游水下目标检测任务的提升效果图

该成果可高效提升水下装备视觉感知能力，能够支撑自主水下航行器探测、水下应急救援、海底设施巡检等多项海洋工程应用，为智慧海洋水下视觉感知体系提供全新技术方案。

《Information Fusion》是人工智能领域国际顶尖期刊，中科院一区Top期刊，聚焦多模态信息融合、智能感知、分布式传感等前沿研究方向，最新影响因子17.4。