首页技术中心技术动态硅超表面通过被动式强度滤波增强光学图像处理。

硅超表面通过被动式强度滤波增强光学图像处理。

发布时间：2026-02-26 16:15:53 阅读数： 16

图片描述

马克·劳伦斯实验室找到了一种方法，利用光学系统而非传统的数字算法来提高机器视觉和人工智能诊断的效率和能力。

在人工智能（AI）取得的众多成就中，快速准确地处理图像的能力对科学技术产生了尤为显著的影响。如今，圣路易斯华盛顿大学麦凯尔维工程学院的研究人员找到了一种方法，利用光学系统而非传统的数字算法来提高机器视觉和人工智能诊断的效率和能力。

电气与系统工程系助理教授马克·劳伦斯和博士生赵波开发了这种方法，旨在以较低的能耗实现高效的图像处理性能。通常，全光图像处理受限于非线性效应的缺乏，这通常需要高光强或外部电源，但这种新方法利用称为超表面的纳米结构薄膜被动地增强光学非线性，使其适用于日常应用。

他们的研究展示了基于光强度的图像滤波能力，这有望在不增加额外能量的情况下提升全光神经网络的性能。该研究成果于2026年1月21日在线发表于《纳米快报》（Nano Letters）期刊。

“虽然能够执行各种线性变换（如傅里叶变换、偏振操控或边缘提取）的全光滤波器已经相当成熟，并且与日常光源兼容，但解锁超强全光图像处理的关键在于非线性，”劳伦斯说。

“但是，大多数强度相关的光学图像滤波方法在被动光学系统中并不实用，因为它们需要极高的光强、外部电源或牺牲空间细节。因此，低功耗被动非线性处理一直是一个尚未解决的难题。”

劳伦斯表示，解决这一挑战的主要障碍是室温下无偏材料中缺乏强光-物质耦合。

他说：“我们依靠的是两种日常现象背后的物理原理——材料的性质在受热时会发生变化，这就是为什么你可能会在沙漠中看到海市蜃楼；材料在吸收光时会升温。”

“设计一种谐振硅天线，使其对温度的响应尽可能灵敏，同时尽可能多地吸收光线，就能得到一个在极低光强照射下会变得透明的暗像素。吸收和透明通常难以兼得，但我们发现，我们的纳米结构可以捕获高达 40% 的入射光，并且在加热时几乎可以让所有光线透过。”

他的团队在芯片上铺设了数千个微小的纳米结构，创造出一种能够对光强度做出反应并根据亮度选择性地过滤图像特征的装置，其工作原理类似于数字算法中的关键阈值处理函数。这种方法在极低光照条件下即可工作，且无需额外能量。该技术利用硅纳米结构，并可适用于各种波长。

这项创新可以在不增加能耗的情况下大大提高低成本图像传感器的性能，使其与现有的相机技术兼容。