撰稿 | Aydogan Ozcan 課題組、OSANJU 劉揚(yáng)

長(zhǎng)期以來(lái)，透過(guò)散射和擴(kuò)散介質(zhì)成像一直是一個(gè)重要問(wèn)題，在生物醫(yī)學(xué)、大氣物理學(xué)、遙感、天文學(xué)、海洋學(xué)、自動(dòng)控制以及智能機(jī)器人等領(lǐng)域具有十分重要的意義。

原則上，利用漫射器的傳輸矩陣的先驗(yàn)信息，可以使用計(jì)算機(jī)恢復(fù)失真的圖像。然而，目前還不存在精確獲得漫射器的傳輸矩陣的簡(jiǎn)單解決方案。此外，如果散射介質(zhì)發(fā)生變化，則傳輸矩陣將顯著偏離其測(cè)量功能，這部分限制了此類方法在測(cè)量未知漫射體方面的實(shí)用性。

為了克服其中的挑戰(zhàn)，基于自適應(yīng)光學(xué)的方法被應(yīng)用于不同的場(chǎng)景，隨著波前整形的顯著進(jìn)步，透過(guò)混濁介質(zhì)進(jìn)行寬場(chǎng)實(shí)時(shí)成像成為可能。但是這些算法是通過(guò)計(jì)算機(jī)實(shí)現(xiàn)的，并且需要已知的參考物體，這給成像系統(tǒng)帶來(lái)了額外的復(fù)雜性。近年來(lái)，研究人員通過(guò)由失真對(duì)象及其相應(yīng)的無(wú)失真圖像組成的圖像來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可以重建扭曲的圖像。

但是，以上所有方法都需要借助計(jì)算機(jī)。

鑒于此，來(lái)自美國(guó)加州大學(xué)洛杉磯分校的校長(zhǎng)教授、計(jì)算成像領(lǐng)域頂級(jí)科學(xué)家 Aydogan Ozcan 教授及其團(tuán)隊(duì)近期提出了一種全新的范式來(lái)透過(guò)漫射介質(zhì)對(duì)物體進(jìn)行成像。該方法無(wú)需計(jì)算機(jī)和任何數(shù)字處理，即可立即透過(guò)未知、隨機(jī)生成的相位漫射介質(zhì)，全光學(xué)重建被扭曲的物體圖像。此外，除了照亮漫射介質(zhì)后物體的光外，該方法不須任何外部能耗。

為了實(shí)現(xiàn)這一目標(biāo)，該研究團(tuán)隊(duì)使用深度學(xué)習(xí)訓(xùn)練了一組衍射表面或透射層，以光學(xué)重建放置于隨機(jī)漫射器后的未知物體的圖像。漫射器扭曲的光場(chǎng)透過(guò)一層層設(shè)計(jì)好的衍射表面。每個(gè)經(jīng)過(guò)訓(xùn)練的衍射表面上數(shù)以萬(wàn)計(jì)的衍射特征（也稱為神經(jīng)元），都在共同計(jì)算輸出端所需的圖像——也即是說(shuō)，圖像重建以光通過(guò)衍射層的傳播速度極快完成。

在訓(xùn)練期間，許多不同的隨機(jī)選擇的相位漫射介質(zhì)被用來(lái)幫助泛化衍射神經(jīng)網(wǎng)絡(luò)。在這種基于深度學(xué)習(xí)的一勞永逸的訓(xùn)練設(shè)計(jì)之后，生成的衍射表面被制造出來(lái)，并被組合在一起以形成位于未知的新相位漫射介質(zhì)和輸出/像平面之間的物理網(wǎng)絡(luò)。在這個(gè)位置上，訓(xùn)練后的網(wǎng)絡(luò)收集相位漫射介質(zhì)后面的散射光，并以光學(xué)方式重建物體的圖像。

該研究團(tuán)隊(duì)已成功在太赫茲波段下實(shí)驗(yàn)驗(yàn)證了該方法。他們用 3D 打印機(jī)制作了他們?cè)O(shè)計(jì)好的衍射網(wǎng)絡(luò)，以展示能夠透過(guò)訓(xùn)練期間從未使用過(guò)的、隨機(jī)生成的相位漫射介質(zhì)成像的能力。該團(tuán)隊(duì)還使用更深的，有額外衍射層的神經(jīng)網(wǎng)絡(luò)來(lái)提高物體重建質(zhì)量。

這種使用無(wú)源衍射層實(shí)現(xiàn)的全光學(xué)圖像重建的方法使得我們能夠透過(guò)未知的相位漫射介質(zhì)看到物體。與現(xiàn)有的基于深度學(xué)習(xí)或使用數(shù)字計(jì)算機(jī)的迭代圖像重建方法相比，它提供了一種無(wú)需電腦、極低功耗的全光解決方案。

圖 1：無(wú)需電腦的漫射介質(zhì)全光成像

該成果“Computational Imaging Without a Computer: Seeing Through Random Diffusers at the Speed of Light”發(fā)表在 eLight。此外，Aydogan Ozcan 教授近期先后于馬克斯普朗克光學(xué)研究所公開報(bào)告（相關(guān)鏈接>）和 SPIE Photonics West 2022（1月25日線下Keynote talk，即將于線上公開）重點(diǎn)介紹了該項(xiàng)工作；波士頓大學(xué)的 Lei Tian 教授為本文撰寫 News & Views，即將發(fā)表于 Light: Science & Applications。

該團(tuán)隊(duì)認(rèn)為，這一方法可以進(jìn)一步拓展至電磁光譜的其他部分，包括可見光和遠(yuǎn)/中紅外波段。本文中的實(shí)驗(yàn)已經(jīng)驗(yàn)證了該方法可以有效適用于薄的隨機(jī)相位漫射介質(zhì)，將來(lái)，該方法還可以擴(kuò)展到透視體積漫射介質(zhì)，例如霧。因此，該方法可以推動(dòng)那些亟需通過(guò)漫射介質(zhì)成像的領(lǐng)域（例如生物醫(yī)學(xué)成像、天文學(xué)、自動(dòng)駕駛、機(jī)器人、國(guó)防/安全應(yīng)用等）的發(fā)展。

| 論文信息 |

Luo, Y., Zhao, Y., Li, J. et al. Computational imaging without a computer: seeing through random diffusers at the speed of light. eLight 2, 4 (2022).

https://doi.org/10.1186/s43593-022-00012-4

監(jiān)制 | 郭宸孜、孫婷婷、趙陽(yáng)

編輯 | 趙唯

閱讀原文