近期，中國科學院上海光學精密機械研究所信息光學與光電技術實驗室提出一種基于深度學習的方法，實現(xiàn)了在非相干照明條件下透過動態(tài)的厚散射體成像，相關成果發(fā)表在[Photonics Research, 9(5), B220, 2021]。

當光在渾濁介質內傳播時，會發(fā)生多次散射，影響到圖像的形成。如何在強散射環(huán)境中實現(xiàn)成像是光學成像技術所面臨的難題之一。已有方法大多依賴散射過程的確定性和散射光場所保留的一點相干性來提取物體圖像信息。但是，光在動態(tài)渾濁介質中的散射過程不再滿足確定性；而隨著介質光學厚度的增加，散射光場的相干性也將完全退化。如何在這種極端散射環(huán)境中實現(xiàn)成像是一個巨大的挑戰(zhàn)。

該研究團隊演示了透過一個邊長為33.6cm的玻璃缸盛滿脂肪乳懸濁液（圖1左）實現(xiàn)成像。為定量評估，他們先以波長為532納米的激光作為照明光源，實驗測量了不同濃度混濁懸浮液的光學厚度和退相關時間的關系，并確定了當光學厚度為16時，退相干時間短至0.1毫秒以下。在驗證成像實驗方法時，他們采用中心波長為532納米的LED作為光源。物光經過脂肪乳懸濁液的散射后，最終被另一側的相機接收。他們還在側面引入了高功率環(huán)境光形成強干擾噪聲，使得探測信干比低至-17dB。此時，相機直接探測到的散射圖中已無法直接分辨目標圖像。采用他們提出的基于深度學習的方法，能夠直接從單幀散射圖中重建出高質量的目標圖像。非數(shù)字目標(圖1右)和自然場景(圖2)結果證明了該技術的泛化性和有效性�？梢灶A見，該方法在廣泛的散射環(huán)境中具有重要的應用潛力。

圖1.實驗裝置圖（左）；手寫數(shù)字訓練網絡對非數(shù)字物體的重建結果（右）：(a)第1、3行是真實物體，第2、4行是對應的重建結果；(b)分辨率板的局部重建結果。 

圖2.自然場景物體的實驗結果。(a) 散射圖像，(b)真實物體，(c)重建結果。

該項工作得到了中國科學院前沿科學重點研究計劃，中德中心“中德合作小組”和國家自然科學基金重大項目的支持。

原文鏈接：https://www.osapublishing.org/prj/fulltext.cfm?uri=prj-9-5-B220&id=450359