深度学习赋能散射成像：把“小视场”自由定制成“大视场” | Adv. Photon. Nexus

本文针对散射介质后成像的挑战，背景介绍了传统散斑相关技术受限于光学记忆效应的有限范围，导致大视场多区域成像失效。研究目的是通过结合物理先验与深度学习，提出一种方法将多个不同光学记忆效应区域整合为等效区域，从而扩展有效视场。该方法利用神经网络从散斑图自相关分布中恢复不同区域小物体间的互相关信息，实现多目标形状和位置重建。结论表明，该方法在白光照明和多种散射介质下有效，并具有一定泛化能力，但当前仅支持三目标，未来需优化网络结构以应对更多目标和动态场景。