非视距成像旨在对被遮挡的隐藏目标进行图像重建，在自动驾驶、安防监控、医疗成像、搜救救援等领域具有重要应用价值。傅里叶单像素成像（FSPI）是解决非视距成像难题的极具潜力的技术，然而传统 FSPI 在极低采样率下存在高频信息严重丢失的问题，在多层散射介质遮挡的复杂环境中，成像质量会急剧恶化。现有非视距成像方法如飞行时间法、鬼成像、散射介质成像等，分别存在多散射干扰、测量量大、适用场景受限等缺陷，主流深度学习模型也存在训练收敛困难、稳定性不足等问题，难以满足极低采样率与强散射耦合场景下的非视距成像需求。

为突破上述瓶颈，近日，南昌大学信息工程学院成像与视觉表示实验室研究团队提出一种基于扩散模型的高分辨率傅里叶单像素非视距成像方法。相关研究成果以“High-resolution Fourier single-pixel non-line-of-sight imaging employing diffusion model” 为题发表于Optics and Lasers in Engineering。

研究团队基于分数扩散模型与随机微分方程构建成像框架，采用方差爆炸型随机微分方程（VE-SDE）设计扩散模型，通过去噪分数匹配策略学习清晰图像的数据分布先验信息。如图 1 所示，研究团队搭建了完整的非视距成像系统，该系统分为数据采集与图像重建两大模块，数据采集端以氦氖激光为光源，经数字微镜器件（DMD）加载傅里叶基图案，光信号穿透多层 A4 纸散射介质后，由单像素探测器采集透射光信号，获取目标低频傅里叶频谱。

图1 非视距傅里叶单像素成像系统结构示意图

为实现极低采样率下的高分辨率重建，研究团队将实测低频傅里叶频谱作为数据一致性约束嵌入迭代过程，结合预测 - 校正（PC）采样器与数据一致性（DC）操作，在逆向重建中精准补全高频细节，其算法流程如图 2 所示。

图2 扩散模型高分辨率迭代重建流程图

研究团队使用自制的硬币图像数据集用于模型训练与测试，其中共包含 2000 个训练样本与 50 个测试样本，所有实验均在3% 极低采样率下开展，模拟 1-6 层 A4 纸强散射非视距环境。如图 3 所示，为非视距硬币目标的迭代重建过程，图像从随机噪声开始，约 400 次迭代显现目标轮廓，800 次迭代即可完成精细重建，高频细节随迭代次数增加逐步恢复。

图3 非视距目标迭代重建过程图

团队将所提方法与传统 FSPI开展对比实验，结果如图 4 所示，在实物实验中，单层 A4 纸遮挡下边缘强度得分提升 0.13、NIQE 指标降低 0.81、BRISQUE 指标降低 13.34，重建图像边缘更锐利、细节更完整，在多层强遮挡下仍保持优异的重建效果。

图4 多层 A4 纸遮挡下不同方法实物重建结果对比图

如图 5 所示，为图 4（h）中绿色实线方框所框选区域的放大细节、对应位置信号强度分布曲线、边缘半高宽散点图及边缘宽度分布箱线图，所提方法的图像边缘半高宽显著小于传统 FSPI，数据曲线变化陡峭，进一步体现了所提方法成像结果线宽更窄，验证了方法在提升成像分辨率与边缘锐利度上的优势。

图5 重建结果边缘细节放大、信号强度与分辨率分析图。

该项工作通过先进的扩散模型算法，在极低采样率非视距成像场景中实现了图像重建的突破性进展。通过基于 VE-SDE 的扩散模型训练，学习清晰目标的图像先验信息。利用学习到的先验分布与低频傅里叶谱一致性约束，使模型能够逐步依据先验信息进行迭代重建，无需硬件改造即可在真实强散射场景下显著恢复非视距目标的清晰度与高频细节。在自制硬币数据集上完成效果验证，并与多种成像重建方法进行对比，验证了该方法的先进性。这一进展显著提升了极低采样、强散射环境下非视距傅里叶单像素成像的重建质量。本工作的第一作者为南昌大学付晟杰、方浩然、余宇恒（共同第一作者），通讯作者为南昌大学宋贤林副教授，刘且根教授对该研究给予了重要支持。

论文链接：

https://doi.org/10.1016/j.optlaseng.2026.109724

引用格式：Fu S, Fang H, Yu Y, et al. High-resolution Fourier single-pixel non-line-of-sight imaging employing diffusion model[J]. Optics and Lasers in Engineering, 2026, 201: 109724.

宋贤林，南昌大学信息工程学院电子信息工程系副教授，省部级人才，硕士生导师，江西省智能医学信息检测与物联工程研究中心常务副主任、南昌大学信息工程学院专业实验中心副主任。致力于智能光电成像新方法、新技术的研究，在Photoacoustics、Optics Letters等期刊发表高水平论文50多篇（封面论文3篇）。入选2022、2025年度全球TOP 2%顶尖科学家，担任IACOP 会议组织委员会主席，医学图像计算青年研讨会MICS委员，《光学学报》、《红外与激光工程》等期刊青年编委，Journal of Imaging 期刊客座编辑。获2024年中国光学工程学会计算成像三年成果展优秀成果奖、第26届中国国际高新技术成果交易会“优秀科研成果创新奖”、江西省教学成果奖二等奖等教学科技奖励。

刘且根，南昌大学信息工程学院执行院长，国家级人才，教授/博导，IEEE Senior member。主要研究集中于智能成像系统与视觉显示的系统搭建、信号处理和算法实现，合作发表IEEE Trans 和成像与视觉显示权威期刊论文共100余篇。担任IEEE和CCF等数十个国际国内学术组织的专委会委员（如中国体视学学会常委、中国医学装备协会磁共振专委、中国光学工程学会光显示专委等），CT理论与应用研究、电子与信息学报等多个期刊的编委。主持国家重点研发计划课题、自然科学基金、企业委托项目等30余项。参编专著及教材6部。获江西省自然科学奖一等奖1项，吴文俊人工智能科技进步二等奖和中国体视学学会科技进步二等奖各1项，并获中国体视学学会青年科技奖、江西省青年科技奖、省政府特殊津贴等荣誉。

付晟杰，南昌大学信息工程学院本科生，研究方向为单像素成像和图像处理。

方浩然，南昌大学信息工程学院本科生，研究方向为单像素成像和图像处理。

余宇恒，南昌大学信息工程学院研究生，研究方向为单像素非视距成像。

成像与视觉表示实验室(Laboratory of lmaging and Vision rEpresention,LIVE)隶属于南昌大学信息工程学院，作为重要研究力量支撑国家硅基LED工程技术研究中心、空间信息智能感知教育部工程技术研究中心、先进信号处理与智能通信江西省重点实验室、江西省智能医学信息检测与物联工程研究中心等多个国家和省部级平台。实验室立足于国家战略需求和江西省地方经济发展，聚焦生物医学成像、计算光学成像、VR/AR显示等行业发展需求，紧紧围绕“传感成像-信号处理-增强显示”等过程中的关键技术和工程瓶颈，以成像显示和视觉表示为基础核心开展系统的研究。