类型b：学术综述报告

作者与机构
本文由南京理工大学电子工程与光电技术学院智能计算成像实验室（SCILab）的左超教授（第一作者）与江苏省光谱成像与智能感知重点实验室的陈钱教授（通讯作者）共同撰写，发表于2022年2月的《红外与激光工程》（*Infrared and Laser Engineering*）期刊，是该刊“南京理工大学专刊·计算光学成像技术”专栏的首篇论文。

主题与背景
论文题为《计算光学成像：何来，何处，何去，何从？》，系统综述了计算光学成像（Computational Optical Imaging）这一新兴交叉学科的历史沿革、研究现状、未来方向及核心技术。计算光学成像通过联合优化光学系统与信号处理，突破传统成像的物理限制，实现高维度信息（如相位、光谱、偏振等）的高性能采集。其核心在于将前端光学调控（物理域）与后端数字处理（数字域）有机结合，形成“编码-拍摄-解调”的新型成像范式。

主要观点与论据

1. 计算光学成像的定义与优势
   计算光学成像并非传统光学成像与数字图像处理的简单叠加，而是通过主动编码（如结构光照明、孔径调制）和数学建模，以计算重构方式获取图像。其优势体现在：

   • 功能拓展：可获取相位、光谱、偏振、三维形貌等传统成像无法直接捕获的高维度信息。
     
   • 性能提升：突破衍射极限、提升时空分辨率与探测灵敏度（如超分辨成像、穿透散射介质成像）。
     
   • 硬件简化：通过计算弥补光学系统缺陷，降低对探测器工艺和光学元件的依赖（如无透镜成像）。
     *支持案例*：斯坦福大学的光场相机（Lytro）通过微透镜阵列编码实现数字重聚焦；MIT的单像素成像利用压缩感知理论减少探测器数量。
     

2. 历史发展脉络
   作者将光学成像技术分为四个革命阶段：

   • 第一次革命（19世纪）：达盖尔银版摄影术（Daguerreotype）实现光化学成像固定。
     
   • 第二次革命（1880年代）：乔治·伊斯曼（George Eastman）发明胶卷，推动摄影大众化。
     
   • 第三次革命（20世纪末）：数码相机（CCD/CMOS）取代胶片，进入电子化时代。
     
   • 第四次革命（21世纪）：计算成像融合光学与算法，标志性事件包括波前编码（Wavefront Coding）和压缩感知（Compressed Sensing）技术的应用。
     *关键转折*：1990年代中期，斯坦福、MIT等机构提出“光学-计算联合设计”理念，奠定计算成像理论基础。
     

3. 技术体系分类
   根据技术目标，计算光学成像可分为以下方向：

   • 信息维度扩展：如定量相位成像（Quantitative Phase Imaging）、偏振成像（Polarization Imaging）。
     
   • 性能突破：如超分辨成像（STORM/PALM）、高速成像（压缩超快摄影）。
     
   • 系统简化：如无透镜成像（Lensless Imaging）、单像素成像（Single-Pixel Imaging）。
     *典型应用*：医疗内窥镜通过计算算法减小探头尺寸；工业检测中结构光三维成像提升精度。
     

4. 挑战与未来方向
   当前瓶颈包括：

   • 算法依赖：复杂逆问题求解对算力要求高，实时性受限。
     
   • 理论局限：部分模型（如强散射介质成像）尚未完全解析。
     *未来趋势*：
     
   • 多模态融合：结合深度学习与物理模型（如Neural Radiance Fields）。
     
   • 芯片化集成：光学编码与探测器一体化设计（如Meta-Optics）。
     

论文价值与意义
本文首次系统梳理了计算光学成像的完整技术版图，为研究者提供了清晰的学科框架。其科学价值在于：
1. 理论整合：将几何光学、信息光学、信号处理等跨学科知识体系化。
2. 应用导向：指出技术在医疗、工业、航天等领域的落地潜力（如便携式显微、卫星遥感）。
3. 学科推动：2017年国家自然科学基金委将“计算成像”列为独立学科代码（F050109），本文为其发展提供了重要参考。

亮点总结
- 历史视角：通过四次技术革命串联成像发展史，揭示计算成像的必然性。
- 技术全景：涵盖20余种子技术，并分类阐述其原理与案例。
- 前瞻性：提出“核心赋能技术”概念，强调芯片化与人工智能的协同创新。

（注：全文术语均按原文标注，如“Computational Optical Imaging”首次出现时译为“计算光学成像”。）