随着电子信息产业的快速发展，数码相机等收集大量图像数据的工具已经遍布公共场所的各个角落。如果这些图像数据的隐私被泄露出去，将会带来很大的安全风险。为了隐藏图像中的敏感信息，将计算机视觉技术应用到图像处理过程中，并通过算法处理对图像进行加密1深度学习技术2，3.．除了上述的软件方法外，硬件的集成模块处理4也可用于在图像数据传输之前对敏感信息进行加密。但两者都是作为图像数据进行量化处理，必然需要大量的数据计算和存储空间5．因此，更好的选择是在光传播过程中对图像进行加密。

在对图像进行全光学加密时，最简单的方法是降低图像的分辨率6，牺牲了整个样本视场(FOV)的图像质量。因此，需要一种新型相机，在整个样本视场内保持高保真图像质量的同时，对图像进行全光学和瞬时加密。随着计算机技术的进步，深度学习技术在速度和精度上有效地加强了这些设计能力。由于衍射结构和深度学习算法是互补的，我们可以用深度学习算法设计衍射结构来实现目标函数，也可以训练衍射结构来代替深度学习算法来完成全光机器学习7．

在《eLight》杂志最近的一篇论文中，加州大学洛杉矶分校的研究小组介绍了一种使用衍射计算的新型相机设计8，它可以对特定对象成像，如MINST手写数字，时尚单品，而不需要的信息被全光学擦除，如图所示。1．本文的设计框架是基于深度学习的。将光波在衍射层中传输的过程视为神经网络中神经元的传输，即将衍射层上的每个点视为一个神经元对其进行调制。本文报道的衍射相机在0.75 mm光照下训练，衍射层之间相距20 mm，像素/神经元大小为0.4 mm。根据训练目标，系统最小化输入和输出图像强度的损失函数。

图1:使用衍射相机的特定类别成像。
图1

该原理图展示了一种基于深度学习方法设计的衍射相机，它由一个输入平面、一个输出平面和多个衍射层组成。它可以用于特定的时尚事物，当输入信号如牛仔裤、鞋子和裙子等时，输出结果只保留牛仔裤作为目标对象，其他内容被全光擦除

全尺寸图像

除了这一基本功能外，还介绍了其他扩展应用。多个输入对象可以同时成像，其中只有目标类的对象被保留，其余的都被全光学擦除。同时验证了输入对象的任意位置及其照明强度的鲁棒性。此外，基于该设计框架，课题组设计了针对特定类别的排列线性变换衍射相机，对目标类别对象进行矩阵加密，对其他对象进行全光擦除，这进一步增强了信息传播的安全性，因为只有知道矩阵的逆才能还原原始目标类别对象。

在他们之前的论文中，介绍了衍射深度神经网络(D2NN)，它可以在光速下完成各种复杂的函数运算7．本文设计的衍射摄像机还与D2NN系统相结合。该设计表明，衍射系统可以通过深度学习方法优化，以处理宽带信号。本文还对三层、五层、七层衍射相机进行了比较，认为衍射层数越多，训练效果越好。

本文报道的类专用绕射相机是通过光传输过程直接对信息进行加密，保留目标物体或矩阵变换，擦除其他物体。与传统的图像数字处理方法相比，该方法具有速度快、速度快、无需额外照明等优点。然后，它擅长处理特定的任务。最后，这台相机更安全。因此，本文提出的这类专用绕射相机将极大地促进专用信息加密和隐私保护的发展。此外，利用深度学习设计衍射层的方法在全光学图像分析、目标分类、新型相机设计等领域具有良好的应用前景。