基于强散射介质的神经形态光学跟踪与成像：用于随机运动目标

跟踪和获取被散射介质遮蔽的随机运动目标的光学图像是一个需要精确目标定位和识别的重要挑战。本文发展了一种 end-to-end 神经形态光学工程和计算方法，演示如何通过结合事件检测相机和多阶段神经形态深度学习策略来跟踪和成像通常不可见的目标。来自稠密散射介质的光子被事件相机检测并转换为像素级异步尖脉序列——从而隔离目标特定信息的第一步。尖脉数据输入到深度尖脉神经网络（SNN）引擎，其中目标跟踪和图像重建由两个相互交织的模块在事件持续时间的离散时间步中并行执行。通过实验室实验，我们展示了在稠密浑浊介质中跟踪和成像随机运动目标，以及对空间静止但光学动态目标的图像重建。标准字符集作为几何复杂对象的代表性代理，凸显了该方法的通用性。结果突出了全神经形态方法在满足主要成像技术需求方面的优势，包括高计算效率和低功耗。