据中国激光杂志社网，于2025年11月24日报道，当光穿过毛玻璃或生物组织等非均匀介质时，会受到严重随机扰动而无法对隐藏于介质后的物体正确成像，传感器往往只能捕获到一张类似噪声的“散斑图”。2012年-2014年，研究者们发明了可实现单次非侵入式成像的“散斑相关技术（SCT）”，这一发明至今仍备受关注。然而，该技术所依赖的光学记忆效应（OME），即线性移不变（LSI）特性，其生效范围通常非常有限，限制了其应用前景，譬如：在面向远超OME范围的大视场中的多个不同OME区域（小视场）时，传统SCT技术会失效。

深圳大学何文奇、田宜彬老师团队提出一种“物理先验+深度学习”策略，将多个“看似互不相关”的OME区域“整合”为一个等效OME区域。该方法本质上是期望构建一个能同时表征多个不同OME区域的“等效LSI系统”，以使传统SCT技术能在多个不同OME区域同时生效，从而获得“定制的大视场”。换言之，如果能从单帧散斑图的自相关分布中“捕获”不同OME区域内小物体间互相关信息（旁瓣），便可重新激活SCT。为了“捕获”这些信息，一个直接做法是：制作一系列经过预处理的数据标签（由多个处于不同OME区域内小物体构成的“大视场复合物体”的自相关分布（含有旁瓣），捕获到的单帧散斑图的自相关分布（不含旁瓣），喂给Nested U-Net学习，使其获得“快速从单帧散斑图中恢复出大视场复合物体自相关分布”的能力，进一步运用SCT便可重建该大视场复合物体中各个小目标物形状及其相对位置。

为什么可以“捕获”不同OME区域内小物体之间的互相关信息（旁瓣）？研究团队注意到：表征各OME区域线性移不变特性的各点扩散函数（PSF）均存在大量冗余信息，同时，各PSF的传输矩阵都具有相似的对称结构，因此，猜测它们具有被噪声湮没的相关性具有合理性（诚然，研究团队尚未找到解析的办法去证明这种相关性，所以，在研究中以深度网络这个“放大镜”来寻找并间接证明这种隐秘的关联性）。正是这种相关性的存在，使得找回被淹没的互相关信息（旁瓣）变得可能。

此实验在白光照明（散斑图的对比度更低、难度更高）下完成了验证，训练/测试对象包含 MNIST 数字、Fashion-MNIST 形状，并采用多种不同类型磨砂玻璃（220/600/1500目）作为散射介质。结果显示：面向处于不同OME区域的小目标物体构成的复合物体，网络能从散斑图自相关分布的背景中找回旁瓣，重建出复合物体中各小目标物体及其相对位置，同时，对未见过的目标类型与未见过的散射介质也保持一定泛化能力。需要强调：该方法并没有物理上扩大OME区域，而是从统计意义上发现各不同OME区域PSF的相关性，将传统方法“看不见”的信息显性化，构建出一个“等效的、扩大的OME区域”。

应用前景

多病灶或多细胞结构成像、内窥与光学活体成像（组织散射强）、水下与雾霾环境视觉以及非视距成像等场景，待观测目标往往分布于多个OME区域。通过“旁瓣增强+相位恢复”，有望用一帧数据同时定位与成像多个小目标。

局限于展望

随着小目标数量的增加，需恢复的旁瓣项数量呈二次增长趋势，导致问题维度迅速扩大。目前网络在稳定性上可支持的上限为三目标。当目标间距过大，使其照亮的散射区域完全不相干时，本方法的适用性将失效。未来可通过更深的网络结构与更丰富的标签类型，将其扩展并适用于更大间距、更多目标与快速动态场景。

通讯作者简介：

田宜彬，深圳大学特聘教授，西安交通大学兼职教授，射频异质异构集成全国重点实验室测试和检测方向技术带头人，中国仪器仪表学会集成电路测量与仪器分会创始委员。在浙江大学现代光学仪器国家重点实验室获光学工程硕士，美国伯克利加州大学获视觉光学博士。主要从事计算成像、视觉光学、多模式集成化(SiP)智能传感、人工智能和光学检测设备等方向的研究和开发工作。具备硅谷12年前沿技术研发和项目管理经验，在光电传感和检测设备行业龙头和开拓性企业任资深科学家和首席工程师等职，研发的产品服务强生、苹果、微软、英特尔、台积电、IBM、三星和华为等20多家财富500强企业。已获授权美国专利28项，中国发明专利22项；发表学术论文50余篇。

何文奇，深圳大学，副教授，博导，2007年毕业于华南师范大学光电信息工程（光电子）专业，获得学士学位，2010年，获得深圳大学物理电子学硕士学位，2012年，获得深圳大学光学工程博士学位。主要研究兴趣包括计算光学成像、光学加密及计算机视觉。在上述领域，先后获得包括2个国家自然科学基金面上项目以及多个省市项目的支持，先后发表包括PR、OL及OE在内的SCI论文40余篇，并获得10项授权发明专利。入选斯坦福2024年、2025年全球前2%科学家榜单。