南昌大学王启胜教授团队联合浙江大学杨宗银教授团队在国际知名光学期刊《Optics Express》上发表题为“Optical image encryption with photo-thermoelectric device”的研究成果。该研究提出了一种基于神经网络辅助的光热电（PTE）探测器的超宽带图像加密技术。系统成功实现了从可见光到中波红外波段的光学图像直接电学编码与高保真解码，在无需复杂光学调制元件的情况下，使测试图像的平均峰值信噪比（PSNR）达到43.3，结构相似性（SSIM）达0.98。

传统光学图像加密技术虽然具有低功耗和并行处理优势，但严重依赖体积庞大、结构复杂的光学机械系统（如空间光调制器与各类透镜）。近年来兴起的超表面加密技术虽然显著减小了体积，但受限于光敏材料的本征吸收特性，难以实现多波段、宽光谱范围的加密操作。更为致命的是，现有的超表面加密通常维持单一的加密层级，这意味着攻击者可以通过直接变换入射光条件（如波长、角度、偏振）来破解并提取隐藏信息，存在较大的安全隐患。

为突破上述技术瓶颈，研究团队创新性地采用具有优异宽谱响应和极快响应速度（微秒级）的单晶硒化铅（PbSe）薄膜作为核心光热电加密器件。当载有图像信息的光场投射到PbSe薄膜表面时，由于强烈的载流子散射，迅速形成具有数千开尔文温度的非平衡热载流子。这些热载流子在温度梯度的驱动下向四周扩散，将二维空间光强分布（图像信息）直接转化为薄膜表面的二维温度梯度分布。研究人员在薄膜边缘对称设计了四个输出电极，通过光热电效应，将这种空间热分布差异精准转化为四路完全不同的电压输出（高度压缩的密文）。

在解密阶段，极度压缩的四路电压信号无法直接还原为图像。研究团队巧妙引入了超分辨率双线性插值算法，将这4个一维电压信号重塑并扩展为64×64的二维特征矩阵，随后将其输入至预先训练好的U-net深度学习神经网络中进行图像重构。更重要的是，对于可见光（VIS）、短波红外（SWIR）和中波红外（MWIR）三种不同波段照射产生的电压信号，必须使用对应波段训练的专属U-net网络作为“密钥”才能成功解密，波段与网络不匹配将导致解密彻底失败，从算法层面构建了多通道的安全壁垒。

图1.光热电加密的实验原理。

(a)多波段光热电加密与深度学习解密过程的示意图。

(b)U-net网络结构。该结构包含两类操作：下采样与上采样，以及跳跃连接（skipconnection）。

(c)PbSe光热电编码器件。展示了具有多电极结构的PbSe薄膜器件的光学显微图像。

(d)器件的I-V传输特性曲线。V1、V2、V3和V4代表四个电极的输出电压。

(e)光学数字图像“0-9”对应的四路输出电压信号。

图2.所提出加密方案的实验验证结果。

(a)解密图像与原始图像（明文）之间表现出极高的保真度（PSNR=43.3,SSIM=0.98）。

(b)解密性能的鲁棒性与稳定性测试。展示了不同随机噪声水平下的解密图像结果，以及

(c)对应的PSNR（蓝色虚线）和SSIM（粉色虚线）。

(d)热电解密性能稳定性分析随时间变化的PSNR和SSIM。

图3.加密系统的抗干扰性能分析。

(a)用于抗干扰分析的实验系统示意图。

(b)在施加蓝光和白光干扰前后，红外图像“7”的四路电压输出情况。干扰光在两条蓝色虚线之间的时段内施加。

(c)存在干扰光环境下的图像恢复结果。

实验验证了该加密系统极其出色的鲁棒性与抗干扰能力。在高达±5.0uV的随机电学噪声注入下，解密图像依然保持极高的辨识度。在强烈的蓝光（LED）和宽谱白光（手电筒）等复杂背景光的直接照射干扰下，系统输出的红外图像密文电压未发生明显突变，解密后的PSNR仍保持在32以上。此外，器件表现出极高的探测灵敏度，即使在0.706mW/mm²的极低入射光功率下，依然能够实现高保真的图像加解密操作。

该系统摒弃了传统光学加密所需的大量复杂光机组件，实现了与现代集成电路的高度兼容。其涵盖可见光至中波红外的超宽带加密能力完美覆盖了关键的大气通信窗口（如1-3µm及3-5µm波段）。结合深度学习解决非线性映射的优势，该技术在减轻系统载荷、降低功耗以及实现空地一体化高维度安全通信等前沿领域展现出了应用潜力。