更新时间：2023-08-08 11:24
涉水光学（Water-related Optics）是探索光学在涉水领域中应用的科学。涉水即与水相关，泛指包括海洋、江河湖池、云雨雾雪冰等在内的水体。比水下光学、海洋光学考虑更为充分，涉水光学的研究对象涵盖了作为光传播路径的局部或整体的一切水体，通过探究其在液态、气态、固态的光学特性，及光在水体、跨介质中的传播机理，解决与涉水领域中的光学数据智能获取、信息传输及智能信号处理有关的各种问题，是临地安防（Vicinagearth Security）体系中水下安防的重要支撑。
涉水光学的前身是水下光学和海洋光学。李学龙教授首先提出“水下光学”，于2016年05月10日在西安倡导并举办了全国首届“水下光学”高峰论坛。同年，提出并牵头筹备创建了我国首个省部级涉水光学重点实验室——陕西省海洋光学重点实验室。该实验室于2018年获批成立，李学龙担任首任主任。随后，于2018年06月22日在西安连续举办了第二届, 将“水下光学”发展为“海洋光学”，论坛正式更名为“全国海洋光学高峰论坛”，并发起成立了“中国光学工程学会海洋光学专委会”。论坛已连续举办多届，其中第五届论坛（2022年）吸引了超过3万人在线关注及参会。全国海洋光学高峰论坛已经成为我国最重要、最受关注的光学会议之一。
随着海洋科技研发持续深入，人类对海洋的认知能力和技术装备水平也不断提高，“海洋光学”已经从传统研究海洋光学性质、光在海洋中传播规律和运用光学技术探测海洋的科学，进一步发展为以“海洋命运共同体”为纲领，维护海洋权益为目的，研究深海科学技术与装备为核心，建设深海基地、探测深海空间、开发深海资源的综合科学。面对深海空间广阔、水文特征复杂和信息难以感知等问题, 李学龙教授于2020年在西北工业大学创建了智能交互与应用工信部重点实验室，充分考虑水体与空气等介质之间、光学设备与算法之间的紧密联系，将“海洋光学”进一步发展为“涉水光学”，把研究对象从单一领域拓展至海洋、江河湖池、云雨雾雪冰等多水体领域，以及与水体相关的其它领域。2022年创建涉水光学实验室, 并领导团队获得“水下智能 XX 导引”国家级重点项目支持。
涉水光学以光与水的物质相互作用机理和光的跨介质传播机理为基础, 以涉水光学信息的获取、传输及处理为手段, 以涉水光学应用场景为目标, 包括光与水的物质相互作用机理、涉水光学数据获取、涉水光学信息传输及处理等内容。
光与水的物质相互作用机理主要研究水体自身和溶解，悬浮于其中的有机物和无机物对光的吸收、散射、折射、偏振态的影响等，直接影响光在水体中的传播和各项光学技术在涉水环境中的应用。
涉水光学数据获取的目标是探测及测量涉水领域中的光学信息，为全球海洋生物多样性、生态系统结构、生态学和生物地球化学功能的认知提供重要手段。
涉水光学信息传输技术可将获取的光学信息在水体中高速传输，搭建涉水光学数据获取与信息处理之间的桥梁。涉水光学信息处理技术主要通过机器学习、深度学习等智能手段对获取的数据进行处理，解析涉水环境参数并推演涉水目标态势。
涉水光学是水下安防的重要学科支撑。水下安防是临地安防（Vicinagearth Security）的核心之一，主要涵盖水下空间内的国家安全与防卫，具体包括海底监测、探测、通信、隐蔽、导引等方面, 而且覆盖了工业生产、社会经济、科研教育等方面的防护、生产、安全、救援。详见临地安防空间范畴图。
李学龙领导团队研制了我国首套全海深高清相机“海瞳”，解决了深海高压环境下高清视觉数据获取的难题，攻破了全海深干舱密封、水下光学像差校正、色彩复原和水下图像增强等关键技术。2017年03月，“海瞳”全海深高清相机于跟随“探索一号”完成了马里亚纳海沟科考任务，作为主相机曾4次下潜至7000米深度，3次下潜至万米深度，最大潜深达10909米，共采集到长达12小时的高清视频，在我国深海科考史上首次完成全海深的高清视频获取，并首次记录了位于8152米深处的狮子鱼，是当时国际上观测到鱼类生存的最大深度，为马里亚纳海沟深渊的海洋生物、物理海洋等多学科研究提供了重要的原始数据。随后研制的“海瞳Ⅱ”全海深高清相机于2018年09月随“探索一号”TS09航次再次进行了马里亚纳海沟科考任务。期间完成了10次下潜，其中4次下潜至万米深度，采集到140小时有效高清视频，数据量共计233GB。
李学龙团队基于图像处理“低维流形嵌入”的科学思想，提出了能够高效提取光场信息的智能成像方法（IEGI），利用神经网络卓越的信息提取能力，构建多模态认知计算框架，为图像处理提供了数理判据，解决了传统水下成像过程中图像质量退化造成的场景难解析问题，实现高质量的目标图像重建。
IEGI方法具体有三点技术优势：高质量、高效率、自适应。
首先，为了克服水下恶劣光学环境中，水体吸收散射对重构图像的影响，团队充分利用神经网络在信息提取方面的能力，实现了以极低采样率即可重构高质量目标图像。
其次，为了在成像时提高数据利用率，降低数据采集的要求，团队通过智能神经网络消除成像过程中的冗余信息，有效提高了远距离水下成像的效率。
最后，为了灵活适应复杂多变的水下环境，团队提出了智能训练辅助的网络模型，以光束穿过目标的强度值为标签，在多变的水下场景下及时调整网络参数，提高对不同场景下的适应能力。