量子图像去雨：时域二阶光子数涨落关联

落下的雨滴通常被视为传统光学成像的纯负面因素，因为它们不仅产生雨条还产生雨雾，导致图像视觉质量下降。然而，本工作表明落下雨滴引起的图像退化可由雨滴自身消除。落下雨滴引入的光子数涨落的时域二阶关联性质具有显著属性：雨条光子和雨雾光子导致稳定的二阶光子数关联缺失，而不与雨滴相互作用的光子存在这种稳定关联。这一根本差异表明，通过测量时域二阶光子数涨落关联可消除落下雨滴引起的噪声。仿真与实验结果表明，当每个测量事件的积分时间较短时，该方法的去雨效果甚至优于深度学习方法。这种高效量子去雨方法可独立使用或集成到深度学习算法中，为深度学习提供前端处理与高质量素材。