基于偏振光学习的 Wave (from) Polarized Light Learning (WPLL) 方法：实验室 setup 中的高分辨率时空水面波测量

对水面高度 (水波) 在实验室实验中的有效时空测量对于科学和工程研究至关重要。现有技术常常笨拙、计算负担沉重，通常受限于 wavenumber/frequency 响应。为此，我们提出了 Wave (from) Polarized Light Learning (WPLL)，一种基于学习的遥感方法，可用于实验室实施，能够在高分辨率下推断表面高度和斜率图。该方法利用光从水面反射的偏振特性。WPLL 使用深度神经网络 (DNN) 模型从偏振光强度中逼近水面斜率。一旦在简单单色波列上训练，WPLL 便能够在各种不规则波场中产生高分辨率且准确的 2D 水面斜率和高度重建。该方法通过展示其高 wavenumber/frequency 响应、能够重建相对于摄像机光轴任意角度传播的波场以及计算效率来证明其鲁棒性。该方法开发出的技术是一种准确且高性价比的近实时遥感工具，用于实验室水面波测量，为研究、监测和短期预测中的海上应用铺平了道路。