计算光学成像：突破传统光学成像极限

概要

计算光学成像是一个新兴多学科交叉领域。它以具体应用任务为准则，通过多维度获取或编码光场信息（如角度、偏振、相位等），为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。目前，计算光学成像处于高速发展阶段，已取得许多令人振奋的研究成果，并在手机摄像、医疗、无人驾驶等领域开始规模化应用。未来，计算光学成像有望进一步颠覆传统成像体系，带来更具创造力和想象力的应用，如无透镜成像、非视域成像等。

趋势解读

 传统光学成像建立在几何光学基础上，借鉴人眼视觉“所见即所得”的原理，而忽略了诸多光学高维信息。当前传统光学成像在硬件功能、成像性能方面接近物理极限，在众多领域已无法满足应用需求。例如 ，在手机摄影领域，无法在保证成像效果的同时缩小器件重量和体积，出现令人诟病的“前刘海”和“后浴霸”的情况；在显微成像领域，无法同时满足宽视场和高分辨率的需求；在监控遥感领域，难以在光线较暗、能见度较低的复杂环境中获得清晰图像。

随着传感器、云计算、人工智能等新一代信息技术的不断演进，新型解决方案逐步浮出水面——计算光学成像。计算光学成像以具体应用任务为准则，通过多维度获取或编码光场信息（如角度、偏振、相位等），为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限（如图1所示）。

图1.传统光学成像（左）和计算光学成像（右）

计算光学成像是一个新兴多学科交叉领域,早期概念在上个世纪70年代中期才逐步形成。随着信息技术的蓬勃发展，计算光学成像已成为国际研究热点。由于计算光学成像研究内容覆盖范围广，目前还没有一个比较明确的分类方法。按照计算成像技术所解决的应用问题来分类，可以大致分为以下三类：（1）功能提升：对传统方式无法获取的光学信息，如光场、偏振、相干度等进行成像或测量；（2）性能提升：即提升现有成像技术的性能指标，如空间分辨率、时间分辨率、景深、复杂环境鲁棒性等；（3）简化与智能化：通过单像素、无透镜等特定技术简化成像系统，或者以光速实现特定人工智能任务（如图2所示）。

图2.计算光学成像技术分类