图像去噪技术是恢复图像质量、提高视觉清晰度的关键步骤。经典的去噪过程需要多次迭代计算，对高速和低功耗成像系统构成挑战。深度学习技术（Deep Learning）的涌现无疑革新了图像去噪领域，推动非迭代、前馈式的算法研发进程。基于深度神经网络的去噪方法，不仅在处理速度上符合实时处理的需求，同时也保持了高准确性。然而，这些数字处理方法的实施往往依赖于昂贵的GPU，存在能耗高和成本大的问题。

近日，Light: Science & Applications期刊发表了一篇研究文章，题为“All-optical image denoising using a diffractive visual processor”，报道了一项开创性的光学图像去噪技术。这项技术由美国加州大学洛杉矶分校（UCLA）的Aydogan Ozcan教授、Mona Jarrahi教授以及英国伦敦大学学院（UCL）的Kaan Ak?it博士带领的国际研究团队共同研发。该团队设计了一种全新的物理图像降噪装置，它通过特制的衍射层，在光的传播过程中直接实现图像去噪，无需复杂迭代和高能耗计算。

负责这项革命性研究的团队成员包括UCLA Samueli工程学院的Cagatay Isil、Tianyi Gan、F. Onuralp Ardic、Koray Mentesoglu、Jagrit Digani、Huseyin Karaca、Hanlong Chen、Jingxi Li、Deniz Mengu、Mona Jarrahi教授和Aydogan Ozcan教授，以及UCL计算机科学系的Kaan Ak?it教授。

研究成果表明，在经过单次计算机训练之后，这种革命性的光学处理器可以将与输入图像不相关的噪声或伪像散射出去，从而实现在输出端直接生成去噪图像，而无需将图像数字化并传输给数字信号处理器来处理。通过优化设计，这种衍射降噪器在去除噪声的同时，极大程度地保留了图像的细节和质量。该技术的有效性已通过在强度编码和相位编码的输入图像中移除椒盐噪声来验证，并已使用3D打印的衍射降噪器在太赫兹波段的实验中演示效果。

相较于传统的数字去噪技术，这种基于衍射层的全光学降噪框架具有能耗低、速度快、体积小等多个显著优势。研究团队相信，全光学图像去噪器的成功将可能激发更多全光学视觉处理器的开发，从而在成像和感测领域的各种逆向问题解决上扮演关键角色。（来源：LightScienceApplications微信公众号）

使用衍射式图像处理器进行全光学图像去噪。（图片来源: Ozcan Lab @ UCLA)

相关论文信息：https://doi.org/10.1038/s41377-024-01385-6