摘要:水下环境光线昏暗，仅依靠自然光源难以清晰成像，通常需要增加人工光源，但人工光源的引入会导致场景亮度不均。在这种包含自然光源和人工光源的混合光照环境下，所拍摄的水下图像质量严重退化，不仅降低视觉观感，更影响后续高级计算机视觉任务的顺利开展。然而现有方法大都只考虑了自然光源的影响，对混合光源环境下的水下图像复原效果不佳。为了解决混合光源环境下水下图像存在的光照不均、 色偏、细节模糊等问题，提出了一个光照感知编解码器网络用于水下图像复原。一方面，在多尺度结构中引入注意力机制和改进残差结构高效提取丰富的结构细节特征，另一方面增加光照感知图作为先验约束网络复原结果的对比度。此外，设计了合适的损失函数，引导网络充分学习水下图像和清晰图像间的非线性映射关系，使恢复图像的色调更自然，纹理细节更丰富。对比试验结果证明此方法在主观感知和客观指标上均优于对比算法，消融实验证明所提网络模块和光照感知的有效性。

摘要:水下成像存在颜色失真、图像对比度严重下降等问题。大多数基于深度学习的水下图像增强方法依赖仿真数据集，由于仿真与实测数据之间存在较大的分布差异，实测泛化能力受限。将水下图像增强任务划分为 2 个更简单，但是同时具有明确物理意义的子问题：颜色校正和对比度增强，提出基于物理模型分解的域内–域间迁移框架。首先，域内迁移校正图像颜色，通过学习对退化图像进行分解，在场景光层面通过对齐颜色退化，校正颜色失真同时保证其它成分完全不受影响。进一步，再次利用基于水下散射模型的分解策略，通过针对性迁移水下退化因素，使得仿真–实测域之间实现相互迁移和交互，增强水下图像对比度。实验结果表明：本方法在真实水下图像数据集上处理的结果，在色彩、纹理细节和清晰程度方面均优于现有的对比方法。

摘要:图像超分辨率重建旨在从低分辨率图像中生成包含高频细节的高分辨率图像。随着近年来人工智能的快速发展，基于深度学习的超分辨率重建算法取得了突破性进展。然而，水下光学图像通常会产生严重的颜色失真、细节缺失、对比度下降与模糊等多种退化问题，重建难度远高于常规的自然光学图像。目前尚未有文献对基于深度学习的水下光学图像超分辨率重建进行系统性综述。首先，对自然图像退化方式和数据集进行分类总结，结合国内外最新研究现状将基于深度学习的单幅图像超分辨率重建算法分为针对一般退化、已知(非盲)多种退化、未知(盲)多种退化 3 个方面进行详细总结，为水下应用场景提供参考。然后， 介绍了水下光学图像退化方式，归纳了常见的公开数据集，总结并分析了水下光学图像超分辨率重建的最新进展。最后，对该领域未来可能的发展趋势进行了展望。

摘要:在海洋开发的环境下，水下物体探测技术得到广泛应用，随着水下机器人与计算机技术的发展， 该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展，简要介绍水下图像目标检测流程(即图像采集、图像的预处理、以及图像检测的方法)，对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题，论述了图像采集、图像的预处理、以及图像检测等方面的主要进展，阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析，指出水下图像目标识别领域中需要解决的问题，并预测该领域技术发展趋势。

摘要:现有的基于深度学习的水下图像增强方法在仿真的水下图像上取得了良好的效果。但是，由于简化的仿真图像与复杂的真实图像之间存在较大差距，此类方法在处理真实水下图像时性能明显下降。为了解决真实水下图像增强问题，提出了一种联合生成–去除水下图像增强方法。该方法采用分解思路，将水下图像分解为干净的背景层和退化层，通过循环一致性损失和对抗性损失来更好地保留背景，进而实现真实图像和仿真图像之间的转换，既校正了图像颜色，又提升了图像对比度，实现良好的增强效果。实验结果表明， 本方法在真实水下图像数据集上处理的结果，在色彩、纹理细节和清晰程度方面均优于现有的对比方法。

摘要:水下图像增强因其在海洋勘测和水下机器人中的重要意义而备受关注。在过去的几年中，已经提出了许多水下图像增强算法。已有的深度学习方法由于忽略水下图像的预处理过程和对红色通道信息的增强或者弱化了这个过程，导致增强结果并不显著，其往往只适应特定的场景，缺乏泛化能力。为此，基于卷积神经网络建立了一种全新的水下图像增强算法，为了充分利用特征图的通道信息，在相同维度的特征图之间采用不同尺寸的卷积核获取更多通道数目的特征。然后，基于红色通道构建了注意力机制，以加强对于图像中容易丢失信息的红色通道的特征提取。最后，在 EUVP，UFO120 数据集做了消融实验，证明了红色通道注意力机制的有效性。通过对对比实验的增强结果进行各项指标分析，证明增强结果有着更高的结构相似性和峰值信噪比，并且在无参考指标方面有着更高的颜色平衡、清晰度以及对比度，综合性能优于以往的方法。

摘要:由于水介质的吸收和散射特性会导致雾化、低对比度、颜色退化等各种水下成像失真，严重影响了水下图像的后续利用。为了恢复清晰的水下图像，提出一种基于改进生成对抗网络的深度学习模型。借助图像质量评价技术，将生成的过程样本与高质量样本进行拟合，并将拟合得到的差值信息用于优化网络中的生成器。改进的生成式对抗网络有效改善了由真假训练逻辑带来的图像质量提升限制的问题。实验结果显示：该方法有效的恢复了水下图像的色彩，并改善了图像的清晰度和对比度；相比其他方法，提出的方法在 SSIM、UCIQE 和 UIQM 指标上分别提升了 2.9%、6.2%和 14.3%。

摘要:大深度无人潜航器是深渊科研、工程及军事应用领域的重要技术装备。介绍了大深度无人潜航器的国内外研究现状及其应用领域，分析了有待重点突破的总体设计与集成、深海结构与材料、高效能源动力、 高速水下通信、组合定位导航、自主感知与控制等关键技术，并展望了大深度无人潜航器的未来发展趋势。

摘要:为获得海月水母不同频率下声学特征，在水池条件下，运用鱼探仪对海月水母开展目标强度(TS) 测量实验。结果表明：伞径约为 10 cm 海月水母，姿态角在 60°~ 90°时，单频(120 kHz)条件下，目标强度测量值为–66 ~ –63 dB，接近高通液球模型；宽频(90 kHz~170 kHz)条件下，目标强度测量值为–61 ~ –59 dB， 接近 Mutlu 目标强度和伞径的关系式模型。并进一步分析了相同伞径水母目标强度测量值产生差异的原因， 研究结果将为核电站冷源致灾生物的浅海宽频探测提供参考。

摘要:为了抑制永磁同步电机转矩脉动，提出一种基于偏差电流输入的自适应线性神经网络谐波注入方法。该方法以交轴和直轴电流偏差作为神经网络环节输入，应用 2 个自适应线性神经网络环节拟合电压谐波补偿分量，并将其注入到电流环控制器输出，用以抵消交轴电压和直轴电压中的谐波分量，进而抑制转矩脉动。为验证本方法有效性，对比进行了 3 种控制方法的仿真和实验。结果表明，与传统双闭环控制相比， 本方法可将转矩脉动降低约 97%。相比于传统神经网络谐波注入法，本方法可获得相近的转矩脉动抑制效果， 并且控制结构更为简单，参数整定方便，易于工程实现，算法运行时间缩短约 60%。

摘要:火箭发动机通过水下点火工作，使得水下航行体更具综合性能优势和灵活使用能力。对于大型发动机水下点火问题，直接开展试验的资金较大，周期较长，采用缩比试验技术是研究其性能变化规律的有效工具。通过分析火箭发动机水下点火过程，通过控制方程和缩比准则，得到火箭发动机水下点火缩比相似律及主要参数的相似关系，为某型发动机水下点火的缩比技术的开展提供理论支撑。并在此基础上，开展发动机水下点火缩比试验，得到发动机在水下不同水深的推力特性。

摘要:深海远程水声信道具有多径时延长、信道非最小相位等特点，当扩频增益不足以抑制多径干扰时，信道均衡是必要的。将双向判决反馈均衡技术应用于 M 元扩频水声通信系统，减小判决反馈均衡错误传播概率，提高常规符号判决反馈均衡器输出信噪比。通过正交 M 元扩频解扩结果比较正向和反向信道特性， 调整分集合并权重因子。和等增益合并正反向均衡输出结果的传统双向判决反馈均衡方法相比，该算法可进一步提高接收处理增益。通过仿真深海远程水声信道获得的试验结果证实了算法的有效性。

摘要:潜航器电推进系统广泛采用高效率和高功率密度的永磁同步电机，需要结合转子位置传感器实现其高性能控制。采用霍尔磁极位置传感器可以节省体积，但低分辨率的位置信号不能满足电机的高性能控制需要。基于霍尔位置信号和平均速度采用线性插值方法估算转子实时位置，用于永磁同步电机矢量控制。 针对霍尔信号偏差导致估算位置在修正处发生突变的问题，通过改进平均速度计算和位置修正方法平滑位置估算值，抑制了因估算位置突变导致的电流畸变，实现了潜航器推进用永磁同步电机的低噪运行。实验结果验证了方案的可行性和有效性。

摘要:鱼雷作为水下最重要的进攻武器之一，可针对水下及水面目标发起非对称隐蔽攻击。随着近几十年电子技术的发展，鱼雷更加智能化，杀伤力更大。因此反鱼雷任务成为现代海战中一项重要的课题。主要介绍了国外近年装备的鱼雷型号，并对国外鱼雷对抗用声诱饵作了介绍，最后对声诱饵的未来发展趋势做了展望，为今后我国发展声诱饵技术提供参考。