耿子涵/刘飞/陈沐谷等Light | 让单像素“看清”复杂环境

背景：单像素成像技术因其无需阵列传感器、宽波段探测等优势，在多个领域具有应用前景，但现实复杂环境中的多重退化因素（如光源波动、模糊、抖动和探测噪声）严重影响了其成像质量与稳定性。现有单一退化补偿方法在应对多重退化组合时往往失效，而端到端神经网络方法又面临数据采集成本高和泛化能力不足的问题。研究目的：为了克服这些挑战，研究团队旨在建立一个全面的真实世界单像素成像退化物理模型和补偿方案，以提升成像的鲁棒性和质量。结论：该研究提出了一种综合物理解析模型，首次全面建模和分析了多重退化因素，并基于此构建了“盲修复”神经网络，能够在退化类型和参数未知的情况下进行去噪。实验验证表明，该方法在复杂退化条件下显著优于其他深度学习方法，实现了高质量图像重建，为生命科学、工业检测和遥感测绘等领域的应用提供了高精度、低成本的成像解决方案。