新技术把物理模型与神经网络结合，仅用一张强度图像，就能重建被两层动态散射介质包围的透明物体。
玻璃、塑料薄膜和活细胞往往几乎不改变光的亮度，却会改变光的相位。相位包含物体形状和光学厚度等信息，当折射率或实际厚度之一已知时，还能推算另一个参数。问题是，雾、扩散膜等散射介质会打乱光线，让相位信息淹没在模糊图样中。
韩国科学技术院团队提出一种单次测量方案。实验把透明相位物体放在两层动态散射层之间，物体前后各有一层。研究人员先把光聚焦到第一层散射介质上的小光斑，使穿过介质的光仍保持足够空间相干性，并携带物体造成的相位变化。光继续穿过物体和第二层散射介质，最终在探测器上形成一张受模糊影响的强度图像。
系统随后依据光传播与散射的物理模型反向求解，并用深度神经网络估计散射形成的模糊核。它能从同一张图像中同时恢复物体相位、形状和厚度信息，确定物体到探测器的传播距离，还能推断后方散射层的模糊特征。平面波照明下，测量图像几乎看不出物体衍射结构；采用聚焦照明后，虽然图样仍然模糊，物体编码的信息却得以保留。
传统方案通常要预先标定散射环境、多次曝光，或用大量参考数据训练模型。新方法不依赖这些条件，更适合不断变化的散射环境。潜在用途包括半导体和透明元件检测、显示器与薄膜检查、无染色活细胞成像，以及隔着雾状或扩散介质进行生物医学观察。下一步仍需提高系统在更复杂环境中的稳定性和可靠性。
这项工作的难点在于，探测器只记录光强，无法直接记录相位，而且物体前后的散射层都在变化。传统反演很容易出现多组解：不同物体、不同距离和不同模糊核可能生成相似图像。团队把传播规律写进求解过程，相当于用物理条件缩小答案范围，再让神经网络处理最难估计的散射部分。这样既利用学习模型的拟合能力，又避免完全黑箱式重建。
单次曝光还意味着系统不必等待多张图像依次采集。活细胞会移动，雾和组织也会随时间改变，多次测量之间的差异可能直接破坏重建。一次完成采集能减少这类时间误差，也更适合快速过程。不过，实验条件与真实组织、浓雾或工业现场仍有距离，散射更强、噪声更大或照明受限时能否保持精度，仍需后续验证。重建速度、空间分辨率和对不同材料的适用范围，也会决定它能否真正走出实验室。
原文：https://phys.org/news/2026-08-shot-phase-imaging-technique-reconstruct.html