透过散射介质的超分辨率成像（Phys. Rev. Lett 106, 193905 (2011)）

再次，来看看彩色成像的问题。这个问题其实更简单，相关运算得到的不是强度信息，也不带任何光谱信息，文章的所述的方法无非法是用红绿蓝三种光源分布照明，红绿蓝目标各自重建，然后合成一幅图，就号称实现了彩色成像。其实，我们在看各种散射成像，无一例外的都是给的简单数字、字母等作为目标输入的，对复杂场景无能为力就是因为成像的原理是自相关。

最后，我们来看那个深度学习的例子，深度学习依靠的是大量的已知数据，不具备推演功能，并且其物理解释也不明晰。其实，不同目标经过毛玻璃后的散斑不同，无需重建，只需要从散斑自身就能判别出来。2015年时，我们就做过根据散斑变化实现对运动目标跟踪的实验。

利用散斑互相关以及缩放比信息实现对隐藏目标的三维跟踪(Applied Optics, 2018, 57(4): 905-913.)

5

散射成像的未来

那么，我们该怎么看待散射和散射成像呢？答：客观、理性。

我们应该看到散射是最复杂的光场调控方式，它的应用范围极广，但也有很多问题需要解决。举一个例子，计算光学系统设计中可以引入散射光场的调制手段，玩好物理光场这根金箍棒，这个思想，我们在第二篇“光场：计算光学的灵魂”中已有论述。散射不仅可以调制幅值、相位、偏振等信息，而且具有光谱分辨率高的特点，怎么充分利用散射的高维度调制，是未来重点的研究方向。我们前面讲的那些散射介质都是自然介质，现在微纳加工技术日趋成熟，我们应该分析散射的特点，像超材料和超表面一样，制备特殊的散射介质，更有希望推广散射成像步入更宽广的应用领域。

自适应光学成像技术及结果

还有自适应光学的例子。由于介质内部折射率的不均匀分布，入射光在通过介质传输信号时会产生像差或者散射，从而直接影响成像质量，这种问题在天文成像或者生物成像中都会存在。解决此类问题的有效手段是自适应光学。

受介质影响的入射光波前可以通过直接波前感知或间接波前感知的方式进行测量。直接波前感知是指通过引导星和波前传感器通过单次记录直接测量波前，具有较高的时间分辨率。间接波前感知则不需要引导星，而是通过图像评价方式迭代优化波前，直至收敛到最优解。波前测量值最终被送至变形镜或空间光调制器等调制设备，以矫正扰动的波前，提升成像质量。

此类方法广泛应用于天文成像或生物成像中，比如观测星体或对生物体中的树突棘或微管进行成像。但是，如何加速光场测量与调制以适应具有更强散射且时变特性的动态散射介质，仍然是我们要考虑的问题。

另外，散斑的形成机理和条件尚不明确，尤其是厚的、动态散射介质，跟毛玻璃不一样，它们的时变特征非常明显，静态介质的方法大多时候不再适用，如果真的解决了这些问题，那么穿云透雾、透过烟尘、水下远距离成像等将不再遥远，而这些，归结到一点，还是复杂物理光场的获取和解译问题。