盖世汽车讯 据外媒报道，莱斯大学与马里兰大学的工程师们研发了一种全动态视频技术，可能用于制造新型摄像头，帮助摄像头穿透雾、烟、暴雨、浑浊的水、皮肤、骨头以及其他反射散射光线及遮挡物体的介质观察环境。

NeuWS技术实验（图片来源：莱斯大学）

莱斯大学Ashok Veeraraghavan表示：“在光学成像上，通过散射介质成像是一个“圣杯问题”（大家都想解决的问题），散射会让光在很多情况下无法使用，因为光的波长会更低，导致空间分辨率更高。如果可以消除散射的影响，成像才能发展得更好。”

Veeraraghavan所在的实验室与马里兰大学Christopher Metzler的研究小组合作，创造了一种名为NeuWS（neural wavefront shaping，神经波前成形）的技术，这也是该项技术的关键。

Veeraraghavan表示：“对于研究自动驾驶汽车的人而言，面临的最大挑战就是恶劣天气。在恶劣天气下无法进行良好的成像。虽然说的是恶劣天气，专业术语而言就是光散射。对于生物学家而言，显微镜面临的最大挑战就是无法对活体深层组织进行成像。说的是“深层组织”和“活体组织”，实际上是想要看穿皮肤以及其他组织层，因为这些会散射光线。如果问水下摄像师最大的挑战是什么，他们会说，我只能对离我近的东西进行成像。他们的真正意思是光在水中会散射，因此光无法深入水中，聚焦远处的物体。所有这些的真正技术问题就是光散射。”

Veeraraghavan指出，NeuWS可被用来克服上述情况中出现的光散射问题。“就切实解决这个问题而言，我们向前迈出了一大步。在真正在上述应用领域建立原型之前，还有很多工作要做，但是我们展示的方法可覆盖上述领域。”

从概念上看，NeuWS基于光波两个关键属性的复杂数学原理而研发，而且这两个关键属性可在任何给定位置进行计算。首先是幅值，这是波在该位置所携带的能量；其次是相位，这是波在该位置的振荡状态。Metzler和Veeraraghavan表示，测量相位对于克服散射现象非常关键，但是因为可见光的高频特性，直接测量相位是不切实际的。

因此，研究人员将入射光作为“波前”进行测量，一次性测量相位和强度信息，并利用后端处理，从每秒几百个波前测量结果中快速解码相位信息。

Metzler表示：“技术上的挑战是找到一种快速测量相位信息的方法。”Veeraraghavan和他的同事2020年发表波前处理技术WISH，并于。Veeraraghavan表示：“WISH解决了同样的问题，但是其工作是在假设一切都是静态且美好的前提下进行的。当然，在现实世界中，事情总是在变化。”

但是有了NeuWS，不仅仅可消除散射的影响，还可以很快地消除影响，以便在测量过程中的散射介质本身不会发生变化。

Veeraraghavan表示：“不是测量振荡本身的状态，而是测量其与已知波前的相关性。你取一个已知的波前，与未知波前进行干涉，然后测量两者产生的干涉图样，这就是两个波前之间的相关性。”

Metzler用夜晚透过云雾观看北极星来作比喻。“如果我知道北极星应该是什么样子的，我就可以知道其以一种特定的方式被模糊了，这样我也知道其他一切东西是如何被模糊的。”

Veerarghavan表示：“这不是一种比较，而是一种相关性。如果你测量了至少三种此类相关性，你就可以恢复未知波前。”

最先进的空间光调制器每分钟可完成数百次此类测量，Veeraraghavan、Metzler和他们的同事们展示了他们可以用调制器和计算方法来捕捉被干涉散射介质所遮挡的移动物体的视频影像。

Veeraraghavan研究小组的莱斯大学博士生Haiyun Guo表示：“这是第一步，概念验证了该项技术可以实时纠正光散射。”

例如，在一组实验中，一个显微镜载玻片印有猫头鹰或乌龟的图像，用纺锤旋转，并由头顶的摄像机对其进行拍摄。光散射介质被放置在摄像头和目标载玻片之间，研究人员测量了NeuWS校正光散射的能力。散射介质也可以是洋葱皮、涂了指甲油的载玻片、鸡胸组织切片和光散射膜。实验结果表明，上述每种情况中，NeuWS都能对散射光线进行校正，并生成清晰的旋转图像视频。

Metzler表示：“我们研发了算法，让我们能够不断估计散射情况和场景，我们采用称作神经表征（neural representatio）的数学机器来完成这一点，既高效又快速。”

NeuWS快速调制来自入射波前的光，以产生几个略有改变的相位测量。然后将改变的相位直接送往一个参数为16000的神经网络，该网络可快速计算必要的相关性，以恢复波前的原始相位信息。

Veeraraghavan表示：“神经网络允许我们设计出需要更少测量操作的算法，因而速度更快。”

Metzler 表示：“这实际上就是最大的卖点。基本而言，测量越少就意味着我们需要更少的捕获时间，让我们能够捕捉视频，而不是静止的帧。”