山師蔡陽健教授團隊LPR：基于刺球狀Ta?O?/Ag納米顆粒隨機激光的深度學習增強水下成像

山東師范大學蔡陽健教授團隊提出了一種結合新型刺球狀Ta?O?/Ag納米復合結構隨機激光光源與深度學習圖像重建技術的高分辨率水下成像方法。該方法利用Ta?O?/Ag納米顆粒（TOAC）構建低閾值、高Q值的隨機激光器，其獨特的多重散射結構與局域表面等離激元共振效應協同增強光反饋，顯著降低激光閾值并提升輸出穩定性；同時，由于隨機激光具有較低的空間相干性，可有效抑制傳統激光成像中嚴重的散斑噪聲。在此基礎上，文章進一步引入Real-ESRGAN深度學習模型，對在高渾濁水體中獲取的退化圖像進行超分辨率重建與去噪增強。實驗結果表明，該系統在1 wt.%渾濁度下仍能清晰分辨USAF 1951分辨率板的細線組，并成功實現草履蟲等生物樣本的高質量成像，結構相似性指數（SSIM）提升至0.8532，信噪比提高超過2倍。該研究為復雜散射環境下的無散斑、高保真水下光學成像提供了一種融合先進光子材料與人工智能的新范式。

近日，山東師范大學物理與光電學院蔡陽健教授團隊在《Laser & Photonics Reviews》發表了題為“Deep Learning-Enhanced Underwater Imaging Using Random Lasers Based on Burr-Like Ta?O?/Ag NPs”的研究論文。研究人員分析了刺球狀Ta?O?/Ag納米復合結構（TOAC）在隨機激光產生中的多重散射與局域表面等離激元共振協同機制，并研究了將該低相干性隨機激光作為照明光源結合Real-ESRGAN深度學習模型用于渾濁水體成像的可行性，顯著提高了水下成像的信噪比、分辨率與結構保真度，有效抑制了傳統激光成像中的散斑噪聲。博士生徐李海良為論文第一作者，青年教師萬園博士為論文通訊作者，共同通訊作者還包括修顯武教授，蔡陽健教授。

研究背景：

水下光學成像在海洋探測、環境監測和生物觀測等領域具有重要應用價值，但水體中懸浮顆粒引起的強光散射會導致圖像模糊、細節丟失，并因傳統相干光源（如激光）產生嚴重散斑噪聲，極大限制了成像質量。盡管已有多種水下成像技術被提出，但在高渾濁環境中實現高分辨率、低噪聲、無散斑的實時成像仍具挑戰。為此，亟需開發兼具低空間相干性、高亮度和良好穩定性的新型照明光源，并結合先進圖像處理手段以突破散射介質對光學成像的限制。

研究內容：

該文章的研究內容聚焦于開發一種融合新型納米光子材料與人工智能技術的高性能水下成像系統。研究人員設計并制備了一種具有刺球狀形貌的Ta?O?/Ag納米復合結構（TOAC），將其作為增散射介質與等離激元增強單元，構建出低閾值（0.42 mJ/cm2）、高Q值（1225.69）的隨機激光光源；該光源憑借極低的空間相干性，可天然抑制水下成像中的散斑噪聲。在此基礎上，團隊將該隨機激光用于渾濁水體（含0.1–1 wt.%硅藻土）中的目標照明，并引入Real-ESRGAN深度學習模型對退化圖像進行超分辨率重建與去噪處理。

亮點：

1）首次將刺球狀Ta?O?與Ag納米粒子復合用于隨機激光，通過“多重散射+局域場增強”協同機制顯著提升激光性能；

2）利用隨機激光的低相干特性，從根本上避免傳統激光成像的散斑問題；

3）首次將Real-ESRGAN應用于隨機激光水下圖像重建，在1 wt.%高渾濁度下仍實現SSIM達0.8532、SNR提升超2倍的高質量成像；

4)成功對USAF分辨率板和活體草履蟲進行清晰成像，驗證了該方法在真實復雜水環境中的可行性與優越性。

實驗結果：

圖1(a) TOAC 納米顆粒的制備工藝示意圖。(b) Ta?O?納米顆粒的SEM圖像。(c) TOAC 納米顆粒的SEM圖像。

圖2 (a) 隨機激光成像裝置示意圖。(b) 深度學習模型示意圖。

圖3 不同隨機激光器的發射特性。

圖4 基于 TOAC 納米顆粒的隨機激光增強機制分析。

圖4系統闡釋了基于刺球狀Ta?O?/Ag納米復合結構（TOAC）的隨機激光性能增強機制。通過有限時域差分（FDTD）電磁仿真，研究團隊揭示了TOAC中“多重散射”與“局域表面等離激元共振”（LSPR）的協同作用：刺球狀Ta?O?的微納尖刺結構顯著增強了光子在介質中的多次散射，有效縮短光子平均自由程并延長其在增益區域的停留時間；同時，負載的Ag納米粒子在泵浦光激發下產生強烈的局域電磁場“熱點”，大幅提升附近染料分子（DCM）的受激發射效率。二者共同構建了一個高效、無腔的光反饋網絡，為低閾值、高Q值隨機激光的產生提供了物理基礎。

圖5隨機激光分辨率卡成像結果和經Real-ESRGAN重建后的圖像對比展示。

圖6隨機激光草履蟲細胞成像結果和經Real-ESRGAN重建后的圖像對比展示。

圖5和圖6展示了該研究中基于TOAC隨機激光與深度學習融合的水下成像實驗結果。圖5主要呈現在不同渾濁度水體（0.1 wt.% 和 1 wt.% 硅藻土），對比傳統光源（如鹵素燈、HeNe激光）與TOAC隨機激光所獲取的原始圖像及經Real-ESRGAN重建后的效果。結果顯示，隨機激光本身已顯著抑制散斑，而結合深度學習后，圖像細節（如USAF分辨率板的細線組）清晰恢復，信噪比（SNR）和結構相似性（SSIM）大幅提升。

圖6則聚焦于生物樣本的實際成像應用，以活體草履蟲為對象，在高渾濁環境中驗證系統的實用性。未經處理的隨機激光圖像已能分辨細胞輪廓，而經Real-ESRGAN增強后，纖毛、細胞核等亞細胞結構清晰可見，SSIM高達0.8532，遠優于其他照明方式。兩圖共同證明：該方法在強散射條件下兼具無散斑、高分辨率與高保真的成像能力，為復雜水下場景的光學觀測提供了有效解決方案。

總結：

該文章提出了一種融合刺球狀納米復合結構隨機激光與深度學習的高性能水下成像方法。研究人員通過材料設計實現了低閾值、高Q值的無散斑隨機激光光源，并結合Real-ESRGAN模型對渾濁水體中的退化圖像進行超分辨率重建。實驗表明，該系統在高散射環境下顯著提升了成像的信噪比、分辨率和結構保真度，成功實現了對分辨率板和活體生物樣本的清晰成像。該工作為復雜散射介質中的高質量光學成像提供了“先進光子材料+人工智能”協同的新范式。

該研究獲得了以下資助支持：

國家重點研發計劃(2022YFA1404800)

國家自然科學基金（12474332, 12192254, 92250304, W2441005）

山東省自然科學基金（R2024QA064, ZR2020MA072, ZR2023YQ006）

山東省泰山學者基金會（tsqn202312163）

文章鏈接：

https://onlinelibrary.wiley.com/doi/10.1002/lpor.202501946

作者信息：

徐李海良：山東師范大學物理與光電學院在讀博士生，研究方向為：新型光場器件調控，深度學習輔助隨機激光應用，隨機激光復雜環境成像。在Laser Photonics Reviews、Applied Physics Letters、Optics Express、Optics & Laser Technology等期刊發表學術論文數篇。曾獲中國機器人及人工智能大賽二等獎、"華為杯"中國研究生數學建模競賽三等獎、山東省光電設計大賽一等獎，優秀研究生等榮譽。

萬園：2020年3月畢業于北京理工大學物理學院，獲理學博士學位。山東師范大學物理與光電學院講師，碩士生導師，山東師范大學東岳學者青年人才。長期從事新型光場器件，新型光場調控以及光學成像方面的研究。主持國家自然科學基金青年項目1項，國家自然科學基金面上項目1項，山東省自然科學基金1項，在Laser Photonics Reviews、Nanophotonics、Journal of Lightwave Technology、APL photonics、Applied Physics Letters等國際知名期刊上發表SCI收錄論文30余篇。

蔡陽健：男，1977年出生，山東師范大學副校長、教授、博導，國家杰出青年科學基金獲得者、美國光學學會會士、全國百篇優秀博士學位論文獲得者、德國洪堡基金獲得者。長期從事光場調控研究，在光場相干性/相干結構調控及應用方面取得了系統性成果，在Nature Physics、Physical Review Letters等國內外權威期刊發表二區及以上論文400余篇。入選“2010年江蘇省十大青年科技之星”，連續多年入選Elsevier發布的“中國高被引用學者榜單”及美國斯坦福大學發布的全球前2%頂尖科學家榜單。主持國家杰出青年科學基金、國家自然科學基金重點項目、國家自然科學基金重大研究計劃重點項目、國家自然科學基金重大項目課題、國家重點研發計劃項目課題等項目。擔任Light Manipulation and Applications 創刊主編、《光學學報》副主編、PhotoniX資深編輯、Advanced Photonics Nexus編委、Progress in Optics編委、全國光學青年學術論壇主席團成員、山東省光學工程學會副理事長、山東省物理學會副理事長。