香港 大学

香港大学工程学院电气与电子工程系的Edmund Lam教授、Ni Chen博士及其研究团队开发了一种新颖的不确定性感知傅里叶叠层成像（UA-FP）技术，可显著增强复杂现实环境中成像系统的稳定性。该研究成果已发表在《光：科学与应用》杂志上。

傅里叶叠层成像技术被广泛认为是计算成像的基石，它能够实现宽视场和高分辨率成像，广泛应用于从显微镜到X射线和遥感等领域。然而，长期以来，其实际应用一直受到错位、光学像差和数据质量差等计算成像领域常见挑战的阻碍。

该团队的UA-FP框架创新地将不确定性参数纳入完全可微分的计算模型，从而能够同时量化和校正系统不确定性，并显著提升成像性能——即使在次优或易受干扰的条件下也是如此。这一进步不仅代表了叠层成像技术的进步，也代表了整个计算成像领域的变革性发展。

UA-FP 以团队自 2021 年以来在可区分成像领域的开创性工作为基础，利用可区分编程（深度学习背后的基本原理）建立了一个端到端的计算框架，无缝集成了光学硬件、数学建模和算法重建。

这种统一的方法在协调理论与实际应用的同时，连接了硬件和软件，促进了光学和计算科学之间更深层次的跨学科合作。因此，可微分成像已成为未来创新的关键推动因素，不仅在计算成像领域，而且在相关技术领域。

该研究的通讯作者Lam教授表示：“通过将不确定性嵌入可微分模型，我们使得傅里叶叠层成像技术变得实用且稳健。这种方法为推进许多其他计算成像技术提供了蓝图。”

主要作者陈博士补充道：“这项研究是迄今为止可微分成像最全面的应用。它展示了可微分编程如何统一光学和计算，为科学和工程领域带来新的机遇。”