2026 年 10 月 2 日，布朗大学工程学院的研究团队宣布开发出一款新型成像系统。该研究发表于《先进科学》（Advanced Science）杂志，展示了一种结合动态视觉传感器与神经形态计算模型的端到端技术，能够在强散射介质中重建移动目标的图像。
核心原理：模仿人类视觉处理机制
布朗大学工程学博士后研究员宁张（Ning Zhang）指出：“我们在雾中难以看清物体的原因，是光线在到达眼睛或摄像机镜头前已被雾气分散。”传统相机依赖静态帧捕捉完整场景，而该系统借鉴了人类视网膜的工作方式——主要对视野边缘的运动和亮度变化做出反应，并将这些稀疏信息输送给大脑进行处理。
研究人员利用这一生物学线索构建了新的架构。系统前端采用动态视觉传感器（DVS），这是一种像素级摄像机，仅当单个像素的光强度变化超过设定阈值时才发射信号。由于散射背景的变化速度远慢于移动目标，传感器能够自动过滤掉大部分由雾或其他散射介质造成的噪声，仅记录移动物体产生的尖峰事件。
后端则是一个深度脉冲神经网络，模拟视觉皮层的功能。该网络接收来自传感器的数据，以“尖峰”为基本信息单元进行计算，从而重建出被遮挡的随机移动图像。这种设计使得系统在近红外光敏感性和运动探测效率上超越了人眼及传统摄像设备。
实验表现：结构相似度高达 96%
在实验室测试中，研究人员通过遮蔽雾室或装有浑浊水的箱子，投射移动的数字字母字符以及不同种类的飞鸟剪影。结果显示，该系统成功对标准相机和人眼无法识别的随机移动物体进行了成像和追踪。
数据显示，在水和漂浮雾环境中，系统重建图像与隐藏目标的结构相似度高达 96%。此外，该方案具备极高的能源效率：传感器本身功耗仅为几十毫瓦，而脉冲神经网络因仅在稀疏尖峰上进行计算，其能耗远低于处理密集数据的传统神经网络。
应用前景与技术局限
尽管效果显著，该方法仍存在局限性。由于传感器仅响应变化，静止物体无法被检测；且在极微弱光照条件下，传感器的灵敏度会下降。针对这些问题，团队目前正在探索集成光强化器前端以改善低光表现，并研究将方法扩展至三维目标的技术路径，例如通过测量光的传输时间或将两个事件摄像头配对模拟双眼视觉。
研究人员认为，这项技术在自动驾驶汽车、风暴或野火期间的无人机搜救、水下导航以及医疗成像等领域具有潜在应用价值。“我们的目标是突破感知界限，在任何光散射严重的环境中提升安全性与效率。”宁张表示。
论文引用：Ning Zhang et al, Neuromorphic optical tracking and imaging of randomly moving targets through dynamic dense scattering media, Advanced Science (2026). DOI: 10.1002/advs.77082
