中国科学院上海光学精密机械研究所司徒国海团队在《光：科学与应用》期刊发表论文，介绍了一种基于深度神经网络的实时非侵入式透过散射介质光学成像方法（descatternet）。该方法能够在自然场景下应用，突破了现有技术局限。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
现有透过散射介质成像技术多依赖实验室环境和人工光源，难以应用于真实场景。DescatterNet则通过改进实验装置、数据集设计、数据预处理、AI模型优化和部署等环节，实现了在真实物体和自然场景下的高质量成像。
实验结果显示，即使在强散射环境下（例如5.9公里浓雾），DescatterNet也能有效复原清晰图像，显著优于传统图像增强方法。这表明，DescatterNet的探测性能得到极大提升。
DescatterNet的核心在于其适配真实场景的数据集、数据处理算法和强大的神经网络。这项结合光学成像原理和AI技术的创新成果，在恶劣天气下的交通安全、视频监控、火灾救援和水下探测等领域具有广阔的应用前景，并得到了国家自然科学基金和上海市相关项目的支持。 详情请访问论文链接（链接未提供）。
