当一只猫咪在不到一秒内从沙发跃向猫爬架时，想要完整捕捉它腾空、舒展、落地的每一个帅气瞬间，传统相机往往要么遗漏关键画面，要么拍出一堆模糊重影。近日，中国科学院西安光机所光谱成像技术研究室王荃研究员团队，在解决这类“高速动态成像难题”上取得重要突破，其创新性提出的基于“渐进式退化估计与去噪（PDE‑D）”主干网络的深度展开框架，为动态场景高质量重建打开了全新技术路径。

快照压缩成像，被形象地称为“时空折叠”技术。对比传统拍照就能直观感受到快照压缩成像的技术优势。拿猫咪跳跃来说，想要记录猫咪8个跳跃动作，传统相机需要连拍8次，不仅需占用16MB存储空间，稍不留神就会错过最精彩的空中姿态；而快照压缩成像只需按一次快门，就能将多个瞬间叠加压缩进一张底片，存储空间不足0.7MB，且真正实现了不漏帧、省空间、传输快。

虽然快照压缩成像优势明显，但也存在一个“痛点”：多个运动画面叠加后，极易出现模糊重影，目标运动速度越快，伪影干扰越严重，且图像失真、细节丢失问题突出，传统算法始终难以根治。针对运动视频快照压缩成像中，帧间剧烈变化、时域复用伪影等传统方法难以突破的核心瓶颈，王荃团队设计的新框架给出了最优解。该技术采用逐级展开架构，在每一阶段同步协同“退化估计”与“去噪”两大模块，实现了结构与算法上的双重创新。

展开剩余55%

王荃研究员解释说，“退化估计”模块专注修正重建偏差，通过可学习的残差校正机制，对二维测量数据精细打磨，有效抑制非均匀伪影；“去噪”模块则首创“自适应时空协同”机制，无需繁琐的位置对齐计算，就能实现时序信息一致性约束与高清细节恢复，让算法在复杂高速运动场景中表现更稳定、更精准。

通俗地讲，这项成果相当于给成像系统装上了一个“超级解压大脑”。“传统算法试图一次性拆分重叠画面，结果常常导致主体模糊、细节丢失；而新技术采取‘逐级精修’模式，先厘清整体轮廓，再逐步修复纹理细节，像文物修复师一样层层剥离伪影，让模糊重影变回清晰完整的图像。”王荃说，凭借自适应时空协同能力，算法可以智能感知物体运动规律，不用逐点核对位置，就能让高速运动的画面连贯自然，即便猫咪快速跳跃，也能清晰还原每一根毛发、每一个肢体姿态。

这项从“猫咪跳跃”场景验证的硬核技术，在现实中拥有广阔应用空间。在自动驾驶领域，该技术可快速捕捉突发行人与障碍物，以极小数据量实现精准动态感知，提升响应速度与行车安全；在智慧交通场景中，能够对高速行驶车辆实现单次曝光高清抓拍，清晰识别车牌与行驶状态；在医疗成像方面，可一次性捕捉心跳、血流等动态生理过程，高清还原细微变化，辅助精准诊断。在公共安全监测、工业高速检测等场景中，该技术同样能在低照度、高动态环境下，实现高效清晰的信息采集与分析。

据悉，随着这项技术成果持续落地转化，将进一步赋能智能交通、医疗健康、公共安全、工业制造等多个领域，用更先进的光学成像技术，为城市安全、医疗诊断与智能制造提供坚实支撑。

西安报业全媒体记者 关颖

发布于：北京市