北京
图1 AI增强相干时间门控(CTG)探测原理图。在干涉过程与时间选通过程中，散射光分量被逐级抑制，而信号光则得到增强。承载物体信息的全息图经重建算法处理后，即可获得重建结果。
近日，中国科学院上海光学精密机械研究所空天激光技术与系统部、中国科学院空间激光传输与探测技术重点实验室研究团队，提出了一种基于相干时间门控探测的新型非侵入式实时水下成像技术。该技术通过引入与弹道光仅相干的短相干参考光，结合物理模型的两步神经网络(SHARPNet)，成功实现了在单程12倍衰减长度(AL)的浑浊水中的清晰成像，相较传统时间门控方法，成像距离延长2-3个衰减长度，峰值信噪比(PSNR)提升8-9 dB，经神经网络优化后PSNR提升12-13dB，为水下探测、海洋研究等领域提供了高效解决方案。相关成果以“Non-invasive real-time imaging through turbid water based on coherent detection”，发表于Photonics Research。
在水下探测、海洋研究等实际应用中，水体散射会导致成像系统面临光子散射、信号衰减等问题，传统成像方法难以兼顾成像距离、速度与质量。时间门控和偏振等传统技术依赖弹道光，但其功率随衰减长度指数衰减，成像距离受限;波前整形、传输矩阵等方法则难以适应动态散射环境，无法满足实时成像需求。开发兼具非侵入性、长距离探测能力和高实时性的水下成像技术，对海洋资源勘探、水下环境监测等领域具有重要意义。
研究团队创新性地将相干门控与时间门控相结合，构建了相干时间门控(CTG)成像系统。该系统通过偏振分束器将激光分为物光和参考光，物光经散射介质与目标作用后返回，参考光经光学延迟线调节后，两者通过干涉形成全息图并由门控ICCD记录。时间门控机制初步筛选弹道光子，排除大部分延迟散射光子;相干探测则通过参考光放大微弱弹道光信号，同时利用频域窗口滤波抑制散射噪声，实现“信号筛选”与“信号放大”的双重优化。
图2 不同选通机制的对比实验结果。(a1)–(c1) 时间门控TG、相干门控CG、相干时间门控CTG方法采集的原始图像。(a2)–(c2) 相应的3D频谱强度图。(d) 重建结果的视觉对比：左为真实值，右为CTG的结果。(e) 三种选通方法的重建结果：中间列是细节放大视图，右侧列是与真实值的对比。(f) 黄色虚线对应部分的像素强度分布曲线。(g) 不同目标下三种选通方法重建结果的峰值信噪比(PSNR)。(h1)–(h2) 不同衰减长度下三种选通方法的性能对比。
为进一步提升成像质量，团队设计了两步神经网络SHARPNet：首先基于模拟数据集预训练物理知情自编码器，模拟图像退化过程，提升网络对目标的泛化能力;再通过少量真实数据(约200组数据对)微调，适配实际环境中的噪声与光照差异。该网络采用可变形卷积密集块结构，有效解决数据失配问题，同时结合结构相似性(SSIM)损失与二元交叉熵(BCE)损失，兼顾图像整体结构与细节恢复。实验验证，该技术在单程12倍衰减长度的浑浊水体环境中，仍能保持1毫米的空间分辨率和毫米级的深度分辨率，成像系统帧率达13 fps，单帧处理时间仅40毫秒，满足实时成像需求。
该技术不仅突破了传统成像方法在水下环境中的距离限制，还具备非侵入式、实时成像等优势，适用于水下资源勘探、水下机器人导航、海洋生物观测等多种场景。相关研究得到了国家自然科学基金、上海市科技重大专项、国家重点研发计划、上海市学术带头人计划等项目的支持。
图3 两步式神经网络去噪的示意图。(a) SHARPNet预训练阶段。编码器部分用于模拟图像的物理退化过程，整个框架构成了物理信息驱动的自编码器结构，助力网络学习符合真实场景的图像退化机制。(b) 小规模真实数据集上的微调过程。训练数据对由CTG探测系统采集的全息图经数字全息重建算法(DHRA)得到的重建图像作为输入，异步采集的对应真实数据作为输出组成，帮助网络适配实际环境中的噪声与光照差异。
图4 单程12倍衰减长度下三缝靶标的实验结果。(a) 真实值、时间门控TG、相干门控CG、相干时间门控CTG方法的重建结果，比例尺为5毫米。(b)、(c) 最小三缝目标的水平与垂直像素强度分布曲线。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
