南昌大學王啟勝教授團隊聯合浙江大學楊宗銀教授團隊在國際知名光學期刊《Optics Express》上發表題為“Optical image encryption with photo-thermoelectric device”的研究成果。該研究提出了一種基于神經網絡輔助的光熱電（PTE）探測器的超寬帶圖像加密技術。系統成功實現了從可見光到中波紅外波段的光學圖像直接電學編碼與高保真解碼，在無需復雜光學調制元件的情況下，使測試圖像的平均峰值信噪比（PSNR）達到43.3，結構相似性（SSIM）達0.98。

傳統光學圖像加密技術雖然具有低功耗和并行處理優勢，但嚴重依賴體積龐大、結構復雜的光學機械系統（如空間光調制器與各類透鏡）。近年來興起的超表面加密技術雖然顯著減小了體積，但受限于光敏材料的本征吸收特性，難以實現多波段、寬光譜范圍的加密操作。更為致命的是，現有的超表面加密通常維持單一的加密層級，這意味著攻擊者可以通過直接變換入射光條件（如波長、角度、偏振）來破解并提取隱藏信息，存在較大的安全隱患。

為突破上述技術瓶頸，研究團隊創新性地采用具有優異寬譜響應和極快響應速度（微秒級）的單晶硒化鉛（PbSe）薄膜作為核心光熱電加密器件。當載有圖像信息的光場投射到PbSe薄膜表面時，由于強烈的載流子散射，迅速形成具有數千開爾文溫度的非平衡熱載流子。這些熱載流子在溫度梯度的驅動下向四周擴散，將二維空間光強分布（圖像信息）直接轉化為薄膜表面的二維溫度梯度分布。研究人員在薄膜邊緣對稱設計了四個輸出電極，通過光熱電效應，將這種空間熱分布差異精準轉化為四路完全不同的電壓輸出（高度壓縮的密文）。

在解密階段，極度壓縮的四路電壓信號無法直接還原為圖像。研究團隊巧妙引入了超分辨率雙線性插值算法，將這4個一維電壓信號重塑并擴展為64×64的二維特征矩陣，隨后將其輸入至預先訓練好的U-net深度學習神經網絡中進行圖像重構。更重要的是，對于可見光（VIS）、短波紅外（SWIR）和中波紅外（MWIR）三種不同波段照射產生的電壓信號，必須使用對應波段訓練的專屬U-net網絡作為“密鑰”才能成功解密，波段與網絡不匹配將導致解密徹底失敗，從算法層面構建了多通道的安全壁壘。

圖1.光熱電加密的實驗原理。

(a)多波段光熱電加密與深度學習解密過程的示意圖。

(b)U-net網絡結構。該結構包含兩類操作：下采樣與上采樣，以及跳躍連接（skipconnection）。

(c)PbSe光熱電編碼器件。展示了具有多電極結構的PbSe薄膜器件的光學顯微圖像。

(d)器件的I-V傳輸特性曲線。V1、V2、V3和V4代表四個電極的輸出電壓。

(e)光學數字圖像“0-9”對應的四路輸出電壓信號。

圖2.所提出加密方案的實驗驗證結果。

(a)解密圖像與原始圖像（明文）之間表現出極高的保真度（PSNR=43.3,SSIM=0.98）。

(b)解密性能的魯棒性與穩定性測試。展示了不同隨機噪聲水平下的解密圖像結果，以及

(c)對應的PSNR（藍色虛線）和SSIM（粉色虛線）。

(d)熱電解密性能穩定性分析隨時間變化的PSNR和SSIM。

圖3.加密系統的抗干擾性能分析。

(a)用于抗干擾分析的實驗系統示意圖。

(b)在施加藍光和白光干擾前后，紅外圖像“7”的四路電壓輸出情況。干擾光在兩條藍色虛線之間的時段內施加。

(c)存在干擾光環境下的圖像恢復結果。

實驗驗證了該加密系統極其出色的魯棒性與抗干擾能力。在高達±5.0uV的隨機電學噪聲注入下，解密圖像依然保持極高的辨識度。在強烈的藍光（LED）和寬譜白光（手電筒）等復雜背景光的直接照射干擾下，系統輸出的紅外圖像密文電壓未發生明顯突變，解密后的PSNR仍保持在32以上。此外，器件表現出極高的探測靈敏度，即使在0.706mW/mm2的極低入射光功率下，依然能夠實現高保真的圖像加解密操作。

該系統摒棄了傳統光學加密所需的大量復雜光機組件，實現了與現代集成電路的高度兼容。其涵蓋可見光至中波紅外的超寬帶加密能力完美覆蓋了關鍵的大氣通信窗口（如1-3μm及3-5μm波段）。結合深度學習解決非線性映射的優勢，該技術在減輕系統載荷、降低功耗以及實現空地一體化高維度安全通信等前沿領域展現出了應用潛力。