NeOTF：基于引导星-free 神经表示的宽带动态散射成像

动态通过时间可变散射介质的成像在实际场景中十分常见，但仍是未被解决的核心问题，因为快速的时空波动会压倒常规的重建管道，这些管道通常依赖信噪比高的斑点。现有方法分为两类：引导星-based 方法利用引导星恢复系统传递函数；但在动态介质中，斑点快速失相关，使得校准迅速失效。引导星-free 方法依赖斑点统计信息推断，但快速变化和噪声常常破坏相位检索。为克服这些限制，我们引入 NeOTF，一种无需引导星且基于神经表示的传递函数检索方法，使能够通过时间可变散射介质实现动态成像。通过仅使用来自未知对象的少量斑点图像优化该神经表示，NeOTF 在无需引导星的情况下稳健地检索系统的 OTF。我们在实验中演示了 NeOTF 在极低信噪比和宽带非一致光照（最高达300 nm 光谱带宽）场景下的鲁棒动态成像能力，并在利用时空记忆效应的时变散射介质中进行数值验证其动态成像性能。最后，我们讨论并分析了其计算效率和在各向异性散射介质中的泛化能力。这些结果表明 NeOTF 作为动态通过散射介质成像的实用且稳健解决方案具有巨大的潜力。开源代码和模型已提供，地址为 https://github.com/Xia-Research-Lab/NeOTF。