引言
你是否曾惊叹于哈勃望远镜捕捉的璀璨星云，却好奇我们能否看得更远、更清晰？传统天文观测正面临难以逾越的壁垒：有限的分辨率、复杂的大气畸变和顽固的噪声，这些障碍如同宇宙的迷雾，遮蔽了我们对深空的探索。清华大学戴琼海院士团队应Photonics Insights 主编邀请，撰写了题为“Computational imaging towards next-generation optical observational astronomy”的重磅综述，不仅揭示了计算成像的变革力量，更点燃了下一代天文观测的革命之火。该文章发表于Photonics Insights 2026年第1期。
想象一下，将精密的光学系统与智能算法无缝融合，形成一个协同设计的“超级望远镜”。这种新范式不再依赖单纯的硬件升级，而是尝试从根本上解决分辨率低、大气湍流畸变和噪声这三大顽疾。文章系统总结了面向下一代天文观测计算成像的前沿进展与关键技术，介绍了变革性的应用前景，每一处突破都指向一个未来：天文学正从“被动成像”跃向“主动感知”。准备好迎接一个更智能的宇宙观测时代了吗？这篇综述正是您的指南针。
一、研究背景
观测天文学是探索宇宙的基石，历史上，观测能力的提升主要依赖于增大望远镜孔径和延长曝光时间。然而，能够捕获的有效信息量——以空间带宽积（SBP）为表征——始终受到三个相互交织的物理极限的根本性约束，构成了一个难以突破的观测瓶颈。
首先，是孔径尺寸的限制。望远镜光学器件的有限直径决定了其角分辨率的衍射极限。理论上的最小分辨角公式为θdiff ≈ 1.03λ/D，这意味着要看清更精细的细节，就需要更大的孔径（D）。尽管从5.1 m的海尔望远镜到未来的39 m极大望远镜（ELT）的发展不断开拓着新的发现空间，但将单块镜面尺寸扩大到8 m以上，会因成本、重力形变和热控制等因素而变得异常困难。采用拼接镜面虽是一条可行路径，但也带来了纳米级相位调整的严峻工程挑战。
其次，是视宁度的限制。由地球对流层大气湍流引起的视宁度效应，是地面观测的主要瓶颈。湍流会导致随机的折射率变化，使入射的光学波前发生畸变，从而将理想的点扩散函数（PSF）退化为更加模糊的分布。从统计学角度看，退化的分辨率（即“视宁度”）由公式θseeing ≈ λ/r0 给出，其中r0是代表大气相干长度的弗里德参数。在顶级观测台址，可见光波段的r0通常约为15 cm，这使得视宁度大约为0.7角秒——与现代大型望远镜的衍射极限相差数百倍。
第三，是噪声的限制。噪声源于探测器电子学、天空背景辐射以及光子到达的固有泊松统计，它会降低信噪比，限制对微弱天体信号的探测能力。测量过程可建模为：测量值~ P(S+B) + Nd，其中P表示泊松分布，S是信号，B是背景，Nd是探测器噪声。虽然探测器噪声已大幅降低，但光子散粒噪声是本质性的，无法通过光学手段消除。
因此，核心问题在于如何超越这些在真实观测中相互耦合的壁垒。将望远镜送入太空虽可避免大气湍流，但成本极高且限制了孔径尺寸。计算成像作为一种变革性范式应运而生，旨在从观测系统的内部设计入手，系统性应对上述三重挑战。
二、理论与实验重点
计算成像（CI）将光学硬件与算法集成到一个统一的协同设计系统中。在此框架下，光学仪器充当物理编码器来捕获入射波前，而计算后端则作为数字解码器来重建观测目标。该综述系统探讨了克服上述三大基本限制的最先进计算成像策略。

图1 光学观测天文学中的计算成像范式
超越孔径极限：超分辨率
该部分的目的是恢复超出单个孔径衍射极限的空间频率。
（1）基于干涉测量的超分辨率：该技术通过综合多个望远镜之间的最大间隔，合成一个巨大的虚拟孔径。在范西特-泽尼克定理的框架下，通过测量空间相干性（可见度）来重建图像。射电干涉测量借助电子信号相关技术，已取得诸如事件视界望远镜拍摄M87黑洞影像等里程碑成果，实现了相当于直径一万公里望远镜的分辨率，像VLTI的GRAVITY和MATISSE这样的仪器，在实时自适应光学辅助下，已达到毫角秒分辨率，实现了对银河系中心黑洞附近天体的轨道追踪。孔径掩模干涉测量在单台望远镜上使用非冗余掩模，也能达到迈克尔逊分辨率极限（~0.5λ/D）。该领域的新兴方向包括使用深度神经网络进行条纹追踪，以及探索量子启发的纠缠增强成像。
（2）数据驱动的超分辨率：这类方法旨在利用学习到的先验知识，从现有数据中推断出高分辨率细节。物理信息驱动的方法将已知的退化模型嵌入其中。例如，SDGAN模型通过在已对齐的空间与地面拍摄的太阳图像上进行训练，显式地学习仪器点扩散函数和大气效应。纯生成式方法则通过对星系图像对（例如，从Subaru HSC到哈勃）训练模型，学习统计映射以增强分辨率。构建大规模、物理一致的基准数据集（如STAR、PLAsTiCC），并对这些模型进行面向科学应用的训练和鲁棒评估，会对该领域起到推动作用。
看穿湍流：大气校正
(1) 基于波前传感的校正（经典自适应光学）：该方法通过波前传感器（如夏克-哈特曼型）测量局部波前斜率，并利用实时控制系统实现可变形镜补偿畸变（见图2a）。当前改进包括采用超透镜扩展动态范围，以及基于深度学习的稀疏子孔径像差预测。其他传感器如金字塔型可调节增益、提高灵敏度，曲率型则测量与波前拉普拉斯相关的强度变化。该方法的根本局限在于非等晕性——湍流随视场变化，导致校正仅在小范围（可见光下约几角秒）的“等晕区”有效。
(2) 无波前传感的数字校正：这类方法仅将退化的图像作为输入，将湍流校正视为一个计算反卷积问题，原理见图2b。对于湍流“冻结”的短曝光图像，多帧盲反卷积或“幸运成像”（选择最清晰帧）等技术可恢复衍射极限细节；长曝光反卷积则依赖于强先验。此外，深度学习架构也在观测中展现出提升分辨率和恒星恢复能力的潜力。然而，其病态性也引发了学界对此类方法物理保真度及可能产生“幻觉”的担忧。
(3) 数字自适应光学：这种混合范式协同设计光学编码与数字解码，以平衡可解释性与灵活性。早期概念包括相位多样性，通过捕获聚焦和散焦的图像来约束波前解。一个典型成果是元成像传感器（原理见图2c），它使用像面共轭的微透镜阵列对光场进行采样，能够跨宽视场（已在台址演示超过1000角秒）捕获空间变化的波前，并通过计算重建实现近衍射极限性能。另一思路是量子启发的计算波前整形，利用强度关联成像实现湍流鲁棒性检索。数字自适应光学在宽视场校正方面表现出色，但缺乏实时能力，这对长曝光稳定性提出了挑战。

图2 波前传感校正、无波前传感校正和数字自适应光学原理对比图
克服噪声限制：计算去噪
去噪旨在从含噪观测中优化估计潜在的天体信号。
(1) 仅用先验（单图去噪）：当仅有单帧图像时，求解严重依赖于先验项。经典方法采用平滑度（高斯滤波）或稀疏性（小波变换）先验，而深度学习方法则能学习数据驱动的强先验。卷积神经网络（如Astro U-Net）可有效捕捉局部空间相关性；Transformer类方法可提供更好的全局上下文，能将HST图像增强至JWST质量；生成模型也在探索之列，自监督范式（如Noise2Astro和TDR）无需干净标签，利用数据冗余学习，在通量守恒方面显现潜力。一个关键方向是融入物理信息先验，例如AstroClearNet联合估计点扩散函数和信号。
(2) 完整最大后验估计（带先验的多帧融合）：这结合了多帧曝光的统计效能与信息丰富的先验，一个统一的理论去噪框架如图3所示，可覆盖三种场景的信号估计。ASTERIS框架是一种经过JWST和Subaru数据验证的自监督Transformer方法，它展示了具有科学意义的提升：将90%完备极限改善了1.0个星等，并将可识别的高红移星系候选体数量增加至三倍。此类方法的核心挑战在于权衡似然保真度与先验约束，这需要建立天文学特定的度量标准（完备性、纯度、测光精度）并进行不确定性量化。

图3 去噪框架的示意图，呈现三种处理场景：仅用先验、仅用似然（多帧叠加）以及完整最大后验估计
三、研究创新、意义与潜在应用
计算成像的未来在于集成化的系统设计，即将光学前端（编码器）、图像重建（解码器）与后处理分析作为一个端到端的计算系统进行联合优化。这种协同设计理念能有效在物理域与数字域之间分配复杂性，并在多重约束下保持系统性能。为实现其全部潜力，该领域必须从通用性走向任务特异性。未来的计算成像框架应权衡多维参数空间（视场、分辨率、光谱、时间维度），重新分配信息通量，为特定的天文研究（如系外行星高对比度成像、瞬变天体宽视场巡天）定制计算方法，这被视为通向实际应用最可行的路径。
然而，显著的“部署鸿沟”依然存在，仅有少数计算成像方法能从光学实验室走向望远镜圆顶，进而促成新的科学发现。因此，弥合“仿真与现实之间的鸿沟”势在必行。这需要一个全面的、分层级的评估流程，从数值模拟推进到实验室测试，并最终完成在台址的调试与验证。为了让天文界广泛采纳这些技术，必须从标准的计算机视觉度量（如PSNR、SSIM）转向领域特定的天文基准（如检测完备性、纯度、测光与天体测量精度），这对于确保数据保真度、特别是建立对AI重建数据的科学信任至关重要。
在硬件层面将计算成像与人工智能深度融合是一个前景广阔的研究方向，其目标是使光学编码不再仅仅服务于人类视觉解读，而是为了面向机器的最优解释。这种从“为看而成像”到“为理解而感知”的根本性范式转变，旨在释放光子收集的终极信息极限。通过放宽“中间图像必须人眼可读”这一约束，以端到端计算系统理念设计的下一代望远镜，有望将天文观测的疆域拓展至全新前沿，从而探测到更微弱、更遥远以及以往无法观测的宇宙现象。
四、总结与展望
该综述系统探讨了用于下一代光学天文观测的计算成像这一变革性范式。它通过超越传统的“所见即所得”理念，致力于解决限制观测能力的三个基本约束——孔径尺寸、大气湍流与噪声。其核心创新在于将整个望远镜视为一个集成的信息获取系统，其中光学仪器是物理编码器，计算后端是数字解码器。这种协同设计方法有效缓解了对信息捕获的实际限制。我们着重阐述了这一范式如何赋能卓越的观测能力，推动探测边界，以观测更暗、更小、更遥远的天体。其终极目标是推动天文学的研究重心从“为看而成像”转向“为理解而感知”。
作者团队认为，对计算成像的探索为突破长期存在的观测瓶颈开辟了有效路径。未来的发展关键在于实现集成化的系统设计，即对光学编码与数字解码环节进行协同优化。其应用范畴有望不断拓展，从而推动下一代望远镜朝着“原生计算化”的方向演进。为实现这一潜力，当前亟需填补从仿真模拟到实际观测之间的验证空白，并通过严格符合天文学特点的评估体系来确保数据的科学可靠性。展望未来，观测天文学的根本发展方向，正是朝向智能化、面向特定科学任务的感知系统深刻转型。