近日，中国科学院西安光学周详机械研究所（如下简称西安光机所）光谱成像技能研究室研究员王荃团队于计较成像范畴取患上主要研究进展。针对于运动视频快照压缩成像中，帧间猛烈变化、时域复用伪影等传统要领难以解决的焦点瓶颈，团队立异性提出基在“渐进式退化预计与去噪（PDE?D）”骨干收集的深度睁开框架，为动态场景高质量重修提供全新技能路径。相干结果发表在《模式辨认》。

该框架于布局设计上实现了要害冲破：采用逐级睁开架构，于每一一阶段协同引入“退化预计”与“去噪”模块。“退化预计”模块聚焦在非适定反演问题中不成防止的重修误差，使用可进修的残差校订机制对于二维丈量数据举行邃密批改，有用按捺非匀称伪影；“去噪”模块立异性地引入“自顺应时空协同”机制，于无需显式对于齐操作的条件下，实现时序信息的一致性约束与细节恢复，年夜幅晋升了算法于繁杂体育场景中的体现能力。

论文第一作者、西安光机所博士生尹建福注释，用猫咪跳跃举个例子，传统照相连拍8次要按8次快门，约占16MB内存，还有轻易错过动作；快照压缩成像拍一次就能记下全历程，8帧还有不到0.7MB。虽然很省空间，可多个画面叠于一路，就会恍惚重影，猫跳患上越快越乱；新算法能边批改偏差边去噪，不消繁杂对于齐，就能把糊失的画面从头变清楚。

这项新技能犹如给相机装上了“超等解压年夜脑”，经由过程漫衍剥离，像修复名画同样邃密，把原本糊成一团的影子变回清楚的猫。同时，经由过程算法直接感知猫咪的运动逻辑，把细节完善还有原，让画面看起来丝滑联贯。

于模仿数据集和真实世界灰度基准数据集的体系评测注解，该要领于重修精度、运动鲁棒性和计较效率等多项要害指标上均优在当前主流前沿算法，综合机能凸起。

该研究结果有望运用在智能交通监控、主动驾驶感知、大众安全监测、医疗动态成像以和工业高速检测等多个范畴，可于低照度或者高速运动前提下实现更清楚、更高效的信息获取与阐发，为晋升都会运行安全、医疗诊断程度及智能制造能力提供有力支撑。

相干论文信息：https://doi.org/10.1016/j.patcog.2026.113554