在远距离成像问题中，由于衍射极限的存在，系统空间分辨率会随着成像距离的增加而显著降低。综合鬼成像技术的高信息获取效率和神经网络强大的特征提取能力，实现了无需使用大量数据训练的超分辨成像结果。由于无需大量数据对神经网络进行训练，该方法适用于重构不同结构类型的物体，具有普适性，为远距离远场超分辨技术提供了一种有效手段。仿真和实验结果均表明，本文方法在成像信噪比和分辨率两方面均优于相同条件下传统基于关联算法(DGI)和基于稀疏约束(GISC)的结果。该研究成果以"Far-field super-resolution ghost imaging with a deep neural network constraint"为题在线发表在Light:Science & Applications。

信号采集和重构算法示意，采样比为10%

神经网络约束实现鬼成像远场超分辨。采样比为10%，不同照明散斑大小条件下不同方法成像结果的对比

完成人：司徒国海、韩申生等（韩申生教授工作室）

学术/社会影响：Light: Science & Application, 2022, 11(1): 1-11.