鬼成像方法综述

王倩　黄敏

摘 要 作为一种新型的成像技术，鬼成像一出现就获得了众多学者和社会的关注。因其有一条光路不经过物体而能成像，取名“鬼”成像，显示了其不一样的性质，在军事领域具有巨大的潜在应用价值。自从1995年提出鬼成像的基本模型以来，众多学者对其进行了大量的研究，不仅是成像设备，还是成像方法都有很大的进展，取得了丰硕的成果。一些研究机构已经做出了相应的原型机，进一步验证了鬼成像巨大的应用价值。本文就对目前的鬼成像发展现状进行系统整理，以总结目前的发展现状，指出目前存在的问题，以及后续的研究方向。

关键词 鬼成像 综述 发展现状 研究现状

中图分类号：TN919. 8 文献标识码：A

0引言

传统光学成像之所以能够实现成像在于光线通过目标物体透射或者反射的光线被探测器所感知成像。但是，1995年T. B. Pittman等人在PHYSICAL REVIEW A杂志发表了题目为《Optical imaging by means of two-photon quantum entanglement》的论文，正式提出了鬼成像的原型，宣告了鬼成像的诞生。不同于传统光学成像模式，这个新的成像模型不需要光线通过物体也能够成像。这种新奇的成像方式立刻引起了人们的注意。由鬼成像的原理图我们可以看出，激光泵作为初始光源，经过偏硼酸钡材料器件和棱镜之后，利用分光器将激光分成了两部分，一部分光经过物体之后被一个没有空间分辨率的桶探测器探测得到一个测量值，称之为信号光路。另一部分光经过传播之后直接被具有空间分辨率的探测记录下来，称之为参考光路。最终将两部分探测的信息经过符合电路重构目标物体图像。这个模型的核心是利用激光泵产生纠缠的量子。量子纠缠现象是1935年被发现的。量子纠缠现象是指同一个光子经过分光器之后分成两个纠缠光子。纠缠光子的特性是如果我们知道其中一个光子的状态信息，那另外一个纠缠光子在同一时刻的状态信息就知道了。纠缠光子在同一时刻的状态信息是相同的。所以在信号光路和参考光路中，如果信号光路的物体和参考光路探测器与分光器的距离相等，则两个纠缠光子在达到物体和被参考光路的探测器探测时的状态信息是一样的。那么参考光路的信息就是纠缠光子在物体处的状态信息，利用符合电路就可以恢复出来目标物体图像信息。这就是鬼成像的基本原理，也是其魅力所在。

1鬼成像发展历程和现状分析

鬼成像的发展历程可以总结从量子纠缠到传统热光源到计算鬼成像到压缩鬼成像到深度学习鬼成像。这是从鬼成像成像设备到成像算法不断演变的过程。刚开始发展阶段，由于理论研究的限制，研究者们只在某些特定范围内寻找相应的光源。后续通过实验也发现了其他光源也可以实现鬼成像。那么光源就不是主要的研究重点，简化成像系统成为研究者关注的重点。紧接着，优化成像算法成为研究者的重点关注，也是目前研究的重点。

在鬼成像研究的初级阶段，研究者都是将量子光源作为鬼成像的光源，一般都是利用激光作为光源。这种光源可以利用自发参量下转换方法获取纠缠性能较好的纠缠光子。所以，鬼成像的成像质量依赖于纠缠光子的产生手段。但是纠缠光子产生的设备对环境等要求比较高，成像的代价较高。学者们就研究有没有可替代的光源实现鬼成像。通过实验考察，学者们发现传统的热光源也可以实现鬼成像。学者们又通过理论分析，计算出了普通热光源下的成像对比度的理论值。热光源的对比度要低于量子纠缠光源成像的对比度。通过优化成像系统，基于热光源的鬼成像的成像质量也得到了明显得提高。这就是鬼成像从量子纠缠光源到普通热光源的发展历程。

利用普通热光源实现鬼成像之后，鬼成像实现的难度大大降低，在很多实验室就可以完成这个实验。在基础上，研究者们就在思考如何簡化鬼成像的成像系统。鬼成像需要两个光路进行成像，一路经过目标物体，一路不经过目标物体。不经过目标物体的参考光路的作用就是为了记录光线在目标处的光强分布。所以，能不能去除一条光路？研究者们发现，根据空间光调制器的特点，我们可以通过控制空间光调制器的控制信号来控制信号光路的矩阵。所以，信号光路的探测矩阵可以通过计算得到，这就产生了只包含信号光路的计算鬼成像。计算鬼成像的出现大大简化了成像系统的复杂性，大大推动了鬼成像的发展。在这个阶段，成像系统简化以后，大家把研究的重点转移到了成像算法上面。虽然前期研究者通过各种方法提高鬼成像的成像质量，但是成像质量还是不够理想，离实际应用还很远。成像质量不够理想主要表现在成像结果中噪声明显，有时候几乎掩盖了信号能量。同时内容信息较复杂的目标物体的成像结果也很差。所以，急需提高成像质量。为了提高成像质量，研究者们先后提出了差分成像方法，通过测量值与平均测量值得差分运算去除噪声。相对于传统地关联运算，差分成像确实大大提高了成像质量。在此基础上，学者们还提出了对应成像、归一化成像和循环去噪成像方法。这些算法都从不同的角度抑制成像结果中的噪声。

虽然成像质量有所提高，但是采样数依然很高，高于重构图像的分辨率。这个时候学者们发现，大部分图像在某个频域内是稀疏的，即图像的大部分能量只是集中在某一部分系数上。只要重构出这些系数就可以较好的重构目标物体图像。因此，压缩鬼成像就应运而生。压缩鬼成像主要利用了目标物体图像的稀疏性，利用远低于奈奎斯特采样率的采样值就可以较好的重构目标物体图像。压缩鬼成像的成像质量有了质的飞跃，甚至可以实现超分辨率成像，采样率也大大降低。另外一个优势是，压缩鬼成像可以与其他图像处理技术，如超分辨率重建相结合进一步提高成像质量和成像分辨率。但是压缩鬼成像的缺点是重构复杂度较高，重构性能还不是很稳定。近两年，随着深度学习技术的发展，基于深度学习的单像素成像也被学者们提出来，也有一些文章发表。深度学习鬼成像首先对目标物体图像进行大规模学习，得（下转第265页）（上接第263页）到训练模型，重构时利用这些深度模型进行重构，进一步提高质量。但是计算复杂度也是要考虑的问题。

通過以上分析可以看出，鬼成像的性能有了很大的提高，成像系统也得到了简化，离实际应用更进一步。但是现有鬼成像还存在一些亟待解决的问题。

（1）基于压缩感知的鬼成像方法重构复杂度较高。由于压缩重构算法本身重构复杂度较高，特别是较大分辨率目标物体图像，现有压缩鬼成像重构时间和空间复杂度很高，在一般电脑上面无法正常重构。因为内存不够或者时间太慢。针对这个问题，自适应鬼成像和分块成像是目前可以进一步研究的方向，以降低重构复杂度。

（2） 重构性能稳定性还不够好。虽然压缩感知方法提高了成像质量和成像稳定性，但是压缩重构的性能依赖于选取的测量矩阵是否能够较好的满足压缩重构的条件。并且重构的过程是在无数个解中寻找最优解。在某些情况下可能会有出错的概率，因为压缩重构成功也有一定的概率。如何提高重构性能稳定性是下一步研究的重点。

2结语

本文从鬼成像成像系统和成像算法入手，分析了鬼成像这二三十年来的发展历程和现状，总结出鬼成像的发展思路是从量子光源到普通热光源到计算鬼成像，再到压缩鬼成像，最后到目前的深度学习鬼成像。成像系统不断简化，成像质量不断提高，成像方法也逐步智能。但是鬼成像还需要进一步降低重构复杂度，提高成像性能稳定性，并与现有的深度学习等图像处理的新技术结合起来，向纵深发展。下一步需要考虑不同应用场景下的压缩鬼成像的具体发展思路，因为不同应用场景对算法的要求是不一样的。对不同场景的图像特征和类型进行深度分析，总结出规律，指导相应的成像算法设计。还要结合人工智能技术，实现智能化成像，并与目标检测等成像后续处理相结合，提高不同应用环境的适应性。鬼成像在军事、遥感、医学成像等领域都有较大的应用前景，可以从这几个方向进行重点研究，寻求突破。

基金项目：四川省教育厅项目（18ZB0277）。

参考文献

[1] Pittman， T. B. &Y.; H. Shih &D.; V. Strekalov&A.; V. Sergienko. Optical imaging by means of two-photon quantum entanglement[J].PHYSICAL REVIEW A，1995，52（05）： R3429.

[2] Padgett， M.&R.Aspden;&G.Gibson.Matthew; Edgar and Gabe Spalding. Ghost imaging[J]. OPTICS & PHOTONICS NEWS， 2016（02）：40-45.