上海光机所在非侵入式实时成像技术中取得进展

近日，中科院上海光机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。

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。