本研究では、変化するランダムメディアにおいて超解像を実現するための画像処理アルゴリズムを開発しています。この手法は、強い散乱を利用しており、大規模で多様なデータセットをスパース辞書学習、クラスタリング、多次元スケーリングにより処理します。ランダムな初期化から始まるこのアルゴリズムは、バックプロパゲーションや$ ext{ℓ}_2$、$ ext{ℓ}_1$メソッドを用いて、正確なイメージングに必要な未知のメディア特性を信頼性高く抽出します。特に、散乱は均一なメディアの限界を超えた解像度を向上させることができ、豊富なデータが得られる場合に超解像を実現することが可能です。この研究は、光学や機械学習の分野における新たな手法の提案を行っています。