世界杯 封面 | 自便噪声限度！物理先验启动的极弱光成像本事
2026年第4期On the Cover：
单光子单像素成像凭借其宽光谱范围、低老本及高像素议论性等上风，已成为弱光成像规模的一条新兴本事阶梯。然而，复杂的噪声侵扰严重制约了其成像质料。针对这一问题，太旨趣工大学肖连团西席和卞耀兴副西席团队提议了一种物理启动深度学习的单光子单像素成像程序，通过多源噪声的精准建模，并基于此构建大规模查验数据集，启动自适应多程序神经汇集竣事了高质料成像。这项责任有望为军事考察、生物医学、天文不雅测等规模的照管提供有劲支撑。
——姚云华副照管员，华东师范大学
青编委
在极弱光条目下竣事高质料成像，一直是制约相干本事走向实质应用的要津问题。从远距离指标探伤、动态场景拿获到复杂环境下的低照度感知，极弱光成像恒久具有迫切的应用价值。与传统焦平面阵列探伤器比拟，单光子单像素成像仅依赖单个高灵巧探伤器进行信号汇集，具有光谱反馈范围宽、老本低、无像元一致性各异等上风。然而，在极弱光条目下，散粒噪声、暗计数、后脉冲和死时刻等多源噪声会导致成像质料严重退化。深度学习虽为成像质料的升迁提供了新的本事旅途，但极弱光条目下噪声要素复杂、变化剧烈。由此酿成的数据散播愈加复杂，与模拟数据之间的域各异更大，严重限度了深度学习程序在信得过场景中的成像性能。因此，构建精准的单光子单像素成像正向模子，为深度学习决策提供可靠的数据开头，是竣事高质料极弱光成像的迫切保险。
伸开剩余83%为此，太旨趣工大学肖连团西席、卞耀兴副西席团队基于单光子探伤器的物理反馈机制，提议了一种物理启动深度学习的单光子单像素成像程序，通过对成像过程中多源噪声的精准建模，或者准确还原单光子事件的物理反馈过程，并基于此构建了大规模查验数据集，启动深度神经汇集竣事了高质料成像，将U-Net成像收尾的峰值信噪比升迁了10 dB以上。相干照管遵守以“Physics-guided deep learning for enhanced single-photon single-pixel imaging”为题发表于2026年第4期，被遴择为封面著述。
图1展示了物理噪声先验模子的详备历程。该模子领先策画并矫正每张掩膜对应的光子事件反馈概率总计。针对散粒噪声、环境噪声和暗计数噪声诞生寥寂的光子事件反馈时刻轴，通过伯努利过程在时域上模拟各种光子事件的马上产生。随后，将不同开头的光子事件时刻轴进行合并，并进一步引入后脉冲噪声和死时刻噪声，对总时刻轴中的光子事件进行修正。临了，通过统计各掩膜对适时刻轴上的灵验光子事件数得回最终测量信号。
图1 物理噪声先验模子旨趣
该责任领先考据了所提议物理噪声先验模子的灵验性。应用包括所提议模子在内的五种正向模子合成数据集，分袂查验通用去噪神经汇集U-Net，并进一步在信得过推行数据集上进行测试，如图2(a)所示。图2(b)和(c)分袂展示了各程序成像收尾的平均峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）、结构相同性（Structural Similarity，SSIM）以及部分重建收尾。收尾标明，基于物理噪声先验模子启动的U-Net进展出最好成像性能，考据了该模子的灵验性。进一步对不同噪声模子和信得过数据启动的U-Net从150个信得过推行样本中索要的高维特征进行数据降维可视化分析，收尾如图2(d)所示。基于物理噪声先验模子启动的U-Net索要的特征与信得过数据查验U-Net索要的特征散播最为接近，充分清楚该模子生成的数据与信得过数据具有高度一致性。
图2 物理噪声先验模子灵验性考据。(a)物理噪声先验模子启动深度神经汇集；(b)不同噪声模子启动U-Net重建图像的平均PSNR和SSIM；(c)不同噪声模子启动U-Net的部分红像收尾；(d)不同噪声模子启动U-Net从合并数据集索要的高维特征的降维收尾
在物理噪声先验模子基础上，该责任进一步提议了一种适用于光子级单像素成像的多程序自适应汇集，世界杯官网如图3所示。应用物理噪声先验模子合成的大规模数据集对汇集进行查验并在多个场景中进行考据。
图3 多程序自适应成像汇集。(a) 合座汇集架构；(b)空间Transformer模块详备结构
图4(a)和(b)给出了不同光照条目下各程序成像收尾的平均PSNR和SSIM。跟着光照强度裁减，差分关联成像程序（Differential ghost imaging，DGI）、全变分增广拉格朗日瓜代见识算法（Total Variation Augmented Lagrangian and Alternating Direction Algorithm，TVAL）和基于深度神经汇集拘谨的鬼成像程序（Ghost Imaging Using Deep Neural Network Constraint，GIDC）的成像质料均出现显著下跌，其中DGI和TVAL的PNSR和SSIM恒久处于较低水平。比拟之下，所提议决策在较大光照变化范围内仍保执较高的成像质料，即使在单元像素亚光子条目下，其重建收尾的PSNR仍踏实保执在26.0 dB以上。图4(c)中的部分可视化收尾也呈现出一致的变化趋势。
图4 极弱光成像。(a)不同光照条目下不同成像程序成像收尾的平均PSNR；(b)不同光照条目下不同成像程序成像收尾的平均SSIM；(c)不同成像程序在不同光照条目下的重建图像
为进一步考据所提议成像决策在信得过场景中的鲁棒性，该责任进一步开展了外场远距离成像推行。分袂中式距成像系统72 m和150 m的好处分辨率板与钟楼看成成像指标，如图5(a)所示。除与DGI、TVAL和GIDC进行比较外，还与高灵巧度焦平面阵列相机成像收尾进行对比，收尾如图5(b–d)所示。不错看出，所提议程序在钟楼成像中或者灵验扼制噪声，显赫升迁了指标结构了了度和细节可辨识性。在分辨率板成像收尾中，其空间分辨率和成像对比度均优于对比程序，相较于TVAL，其成像对比度升迁了约5倍，如图5(e)所示。
图5 户外成像收尾。(a)成像推行诞生；(b)不同程序规复的钟楼图像；(c)所选区域的放大图像；(d)不同程序规复的分辨率板；(e)分辨率板成像收尾中虚线区域对应的强度截面
“该照管面向极弱光条目下的高灵巧成像需求，在远距离探伤、复杂环境感知及生物医学成像等规模具有迫切应用出路。通过将物理建模与深度学习深度和会，自便了传统数据启动程序在复杂噪声环境中的泛化瓶颈，显赫升迁了单光子成像的可靠性。”通讯作家肖连团西席示意，“该本事在亚光子水平下仍能竣事高质料成像，展现出优异的鲁棒性与工程应用后劲，改日有望在精密测量与量子感知等见识进一步拓展，激动极弱光智能成像向实质应用场景迈进。”
主要作家简介
宋恺，太旨趣工大学在读博士。主要从事基于深度学习的单光子、单像素成像方面的照管。看成第一/共一作家在、Laser & Photonics Reviews、、等期刊发表SCI论文10余篇，授权发明专利2项，主执省部级技俩1项。
卞耀兴，太旨趣工大学副西席，主要从事单光子、单像素成像、马上激光的光场调控及应用照管。在、Laser & Photonics Reviews、、等期刊发表SCI论文20余篇，授权发明专利10项，主执国度当然科学基金技俩2项，省部级技俩1技俩。
肖连团，太旨趣工大学西席，博士生导师，莳植部长江学者特聘西席，国度重心研发磋磨首席科学家，中国光学学会会士，莳植部改革团队带头东谈主，国务院政府特别津贴大众。兼任山西大学光量子本事与器件世界重心推行室副主任。主执承担国度重心研发磋磨、国度要紧科研仪器研制技俩等。主要照管见识为单光子单像素成像、量子能源学特点及精密光谱等。在、Nature Physics、Nature Communications、Science Advances、Physical Review Letters 期刊等发表学术论文200余篇，获国度/外洋发明专利授权30余项。
撰稿 | 宋恺 太旨趣工大学世界杯
发布于：上海市米兰体育官方网站
备案号: