基于数字微镜器件随机编码调制的相位成像 下载: 1301次
1 引言
现有的光学传感器无法直接记录光场的相位信息,但光波的强度和相位信息并非完全独立,传感器所记录的强度信息也携带了相位信息。结合先验知识和探测到的强度信息可求解物体的相位信息,该方法在自适应光学、衍射光学、天文成像、波前检测等众多领域都有着广泛的应用[1-4]。
求解光场复振幅分布的技术方法可分为两大类:干涉法与非干涉法。局限于光源的相干性、参考光束、环境稳定性等因素,干涉法的计算成本高且对测量时的外界环境或者器材的机械稳定性要求严格,而非干涉法极大地降低了求解物体相位的难度。1971年,Gerchberg和Saxton[5]首次提出了基于光的衍射传输特性在频域和空间域之间通过迭代运算求解相位的Gerchberg-Saxton(GS)算法[5]。在此基础上,Fienup[6]引入有效约束域以及反馈机制对GS算法进行改进,提出了误差下降(ER)和混合输入输出(HIO)算法,杨-顾算法的提出进一步扩大了相位恢复的应用范围,但其迭代方法容易出现陷入局部极小值、伪像等问题[7]。基于强度传输方程(TIE)的确定性相位恢复算法,通过求解二阶微分方程重构相位,但该求解过程复杂且更适用于近场区域。PhaseLift、PhaseCut等算法将相位信息的求解近似为二次规划问题,运算量大,不适用于高分辨、大视场的图像相位恢复。
为了更快速、更便捷地获取高质量的恢复结果,实验者们对传统的实验装置进行了各种改进,引入各种新器件与方法。Gerchberg等[8]利用随机编码掩模记录掩模后多个平面强度图案以求解相位。Soldevila等[9]将微透镜阵列和探测器组合成Shack-Hartmann(SH)传感器,将探测器放置在微透镜阵列的焦平面,微透镜的焦点位置与各个区域的波前相位相关联,但微透镜的数量、焦距及直径限制了SH传感器的空间分辨率、动态范围和灵敏度。本文引入数字微镜器件(DMD)作为空间光调制器,结合随机编码图案可改善迭代算法收敛停滞、陷入局部极小值、出现伪像等情况,介绍了一种数据采集、算法收敛快速的相位成像方法,结合DMD衍射特性进行分析,运用差值映射(DM)算法仿真分析了不同二值化随机编码图案参数以及DMD参数对相位成像的影响,得出最优的调制参数,并通过实验进行验证。
2 原理
根据DMD的工作原理,开、关分别对应数字状态1和0,通过控制DMD上微镜的开、关实现对照明光的振幅调制。分析DMD调制单元大小对重建效果的影响,经DMD后的光场函数为[10]
式中:a为微镜尺寸;d为微镜间距;p2为调制单元中微镜的数量;pd为调制单元大小;(m,n)表示微镜的坐标;(ξ,η)表示微镜的空间位置;为卷积符号;M、N分别表示横、纵方向上的最大微镜数量;δ为狄拉克函数;comb(·)为狄拉克梳状函数;rect(·)为矩形函数。(1)式中,ξ、η无相互影响,因此有
入射光为经准直后的单色光,假设其振幅为1,其频谱分布为
同理可得谱面光场函数U(u,v)为
式中:(u,v)为谱面坐标。由(5)式可知,DMD随机编码图案的频谱强度与调制单元大小相关,下文仿真分析了调制单元大小对相位恢复结果的影响。由于DMD具有高调制速度、低成本的特性,许多研究[11-13]将DMD用于相位成像系统中,本文利用了DMD的空间调制特性,并考虑到DMD自身的相位影响,在实验前对DMD整体相位进行标定,以获得更加精确的实验结果。
DM算法由HIO(hybrid input-output)算法衍生而来,以单张频谱强度精确快速地求解物体相位[14],该算法简单有效。结合实验数据,
1) 随机生成T张互不重叠的随机编码图案Ot(t=1,2,…,T),每张编码图案中处于开启状态的微镜数量占总体的1/T,对这些编码图案进行膨胀处理,具体过程如
图 1. 重构流程图和膨胀处理过程。(a)重构流程图;(b)初始编码图案,白色表示透过区域(下同);(c)膨胀区域;(d)膨胀后编码图案
Fig. 1. Flow chart of reconstruction process and expansion process. (a) Flow chart of reconstruction process; (b) initial coding pattern. White area indicates transmission part, similarly hereinafter; (c) expanded region; (d) expanded coding pattern
在原编码图案的基础上,将编码图案的边界向外扩张一个像素,获得T张存在一定重叠区域的图案
2) 对gDt进行傅里叶变换,施加频域约束,
3) 对G'进行傅里叶逆变换,g'=IFFT(G'),并对gOt区域进行更新[15]:
式中:γ为反馈系数,γ1、γ2为调节算法收敛速度的参数,本文中取γ1=γ2=
式中:Amod(gDt)表示gDt→g'过程的操作算子,Y为全1矩阵。
4) t=1,2,…,T为一次循环,循环迭代步骤2)、3),直至得到准确度高的解。迭代开始时输入约束Dt,结束时以Ot代替Dt输出恢复结果,在保证各幅图像之间存在一定的重叠区域的情况下进行图像恢复,这既保证了图像整体的一致性,又在很大程度上消除了图像间接缝的存在。本文采取的方法稳定、简单、易实施,且编码图案的大小可随样品的大小进行适应性改变,最大视场可达9.9 mm×6.2 mm。
3 仿真与实验
3.1 仿真分析
仿真分析了对单张编码调制图案进行恢复时,不同调制单元大小及不同微镜的开关占比对恢复结果的影响。用MATLAB进行编程,并采用上述DM算法。以均方根误差(RMSE)以及结构相似性(SSIM)作为评价指标, RMSE值越小、SSIM值越大,则图像恢复效果越好,同时在仿真中加入高斯噪声ngaussian以模拟存在噪声的情况下不同编码图案对重构图像精度的影响。
待恢复图像的强度、相位如
为确保数值仿真结果的准确性,设置迭代次数为50次,分别对比在同一开关占比下不同调制单位大小以及在相同调制单元下不同开关占比的重建情况,对比曲线如
图 2. 待恢复物体的强度和相位,DMD加载的随机编码图案和傅里叶频谱强度。(a)待恢复物体的强度;(b)待恢复物体的相位;(c) DMD加载的随机编码图案;(d)傅里叶频谱强度
Fig. 2. Intensity and phase of object to be recovered, random coding pattern loaded on DMD, and Fourier frequency spectrum intensity. (a) Intensity of object to be recovered; (b) phase of object to be recovered; (c) random coding pattern loaded on DMD; (d) Fourier frequency spectrum intensity
图 3. 仿真结果。(a)(b)不同调制单元大小对重构图像强度、相位的影响;(c)(d) Rd对重构图像强度、相位的影响
Fig. 3. Simulation results. (a)(b) Effects of different modulation unit sizes on intensity and phase of reconstructed image; (c)(d) effect of Rd on intensity and phase of reconstructed image
由(5)式可知,谱面强度I0∝(pa)4,图像信噪比为
式中:In=I0+ngaussian为含噪声的谱面强度;u0×v0为谱面大小。由(8)式可知,对于固定噪声,光强越弱,获取图像的信噪比越低,因此对于DMD上加载的随机编码图案,其调制单元越小,即对于固定的a值,p较小时,低信噪比图像导致恢复结果不佳;同时由于p受M=N=
图 4. 不同调制单元大小的仿真结果。(a)~(d) p=1,10,20,40对应的强度重建结果;(e)~(h) p=1,10,20,40对应的相位重建结果
Fig. 4. Simulation results for different modulation unit sizes. (a)-(d) Reconstructed intensity results corresponding to p=1,10,20,40; (e)-(h) reconstructed phase results corresponding to p=1,10,20,40
由
图 5. 不同方法的对比曲线图(实线、虚线分别代表强度和相位)。(a) RMSE;(b) SSIM
Fig. 5. Comparison of curves of different methods (solid line and dotted line represent intensity and phase, respectively). (a) RMSE; (b) SSIM
图 6. 不同方法恢复的结果。(a)(e)本文方法的强度、相位恢复结果;(b)(f) PIE算法的强度、相位恢复结果;(c)(g) SBMIR的强度、相位恢复结果;(d)(h)改进高斯-牛顿迭代方法的强度、相位恢复结果
Fig. 6. Recovered results of different methods. (a)(e) Recovered intensity and phase results of method proposed in this paper; (b)(f) recovered results of PIE; (c)(g) recovered results of SBMIR; (d)(h) recovered results of modified Gauss-Newton method
3.2 实验
本文实验装置如
基于上述分析及装置,本文首先对usaf1951分辨率测试靶(R1DS1P, Thorlabs)进行实验,在DMD上加载4幅不同的随机编码图案D1,D2,D3,D4,最小调制单元由21×21个微镜组成,由O1,O2,O3,O4膨胀获得。重建结果证明了本文采用的随机编码图案的优异性,重建视场达4.3 mm×4.3 mm,如
通过对存在相位变化的样品进行实验,验证本文所提出的方法在强度及相位恢复方面的优势。以人体过毛囊切片及植物根茎组织为样品,在DMD上加载同样的4张随机编码图案,实验结果如
图 8. 实验重建结果。(a) USAF测试靶恢复结果,小图为第6组2号线对;(b)图8 (a)中插图线对沿黑线的强度分布
Fig. 8. Experimental reconstruction results. (a) Retrieval result of USAF test target. Illustration is enlarged region of element 2 of group 6; (b) intensity distribution of line pair along black lines in illustration
图 9. 实验重建结果。(a)~(c)人体过毛囊细胞(相机拍摄)的强度、相位恢复结果;(e)~(g)植物根茎组织(相机拍摄)的强度、相位恢复结果;(d)(h) DMD标定前人体过毛囊细胞与植物根茎组织相位恢复结果
Fig. 9. Experimental reconstruction results. (a)-(c) Recovered intensity and phase of human hair follicle cells (captured by CCD camera); (e)-(g) recovered intensity and phase of plant stem (captured by CCD camera); (d)(h) phase recovery results of plant stem and human hair follicle without calibration
为验证本文恢复结果的准确性,将待恢复物体强度与显微镜下的拍摄强度进行对比,并引入恢复结果的傅里叶频谱强度与测量所得强度的RMSE作为参考,RMSE可表示为
式中:Imeasure,t表示实验测得的谱面强度;Iretrieval,t表示恢复结果的傅里叶谱面强度;NFourier表示谱面总像素数。以植物根茎组织为例,将本文恢复结果与误差减少(ER)算法、平均连续映射(ASR)、SF(Solvent Flipping)[20]进行比较。误差曲线如
图 10. 不同算法恢复结果的傅里叶频谱强度与实验测量的强度的均方根误差曲线图
Fig. 10. Root mean square error curves of Fourier spectrum intensity of recovery results of different algorithms and experimentally measured intensity
图 11. ASR、ER和SF算法的重建结果。(a)(d) ASR;(b)(e) ER;(c)(f) SF
Fig. 11. Reconstruction results of ASR, ER, and SF algorithms. (a)(d) ASR; (b)(e) ER; (c)(f) SF
4 结论
介绍了一种基于DMD随机编码调制的相位成像方法,根据仿真分析结果对USAF分辨率测试靶、人体过毛囊切片及植物根茎组织进行实验,实现了仅需4次测量、不足50次迭代下对视场为4.3 mm×4.3 mm的物体的重建,最高分辨率达6.9 μm。与文献[ 19]中提出的方法相比,所提方法的测量次数更少、迭代更快速,在相近的视场大小情况下能获得更高的恢复精度;本文方法的结构简单,只需控制DMD来改变加载图案,无需加入位移台等机械结构,数据采集更快速且测量次数更少、迭代更快速。综上,所提方法以DMD为空间光调制器,基于仿真分析所得的随机编码图案参数,仅需4次测量即可实现高精度的重建,测量次数少,迭代恢复速度快;与干涉解相方法[21]或PIE成像方法[22]相比,本文方法无需引入辅助光路或机械扫描结构,结构简单,数据采集更快速。但本文方法的不足之处在于无法对透射率低的样品进行重建,下一步将对非透射物体进行相位成像。
[1] MirM, BhaduriB, WangR, et al. Quantitative phase imaging[M] ∥Progress in Optics. Amsterdam: Elsevier, 2012: 133- 217.
[2] 何西, 刘诚, 朱健强. 基于振幅分束调制的相位恢复成像技术[J]. 光学学报, 2018, 38(9): 0911002.
[3] 陈升, 李常伟, 张思炯. 基于Ronchi光栅Talbot效应的相位恢复[J]. 光学学报, 2018, 38(4): 0405001.
[4] 丰帆, 李常伟, 张思炯. 离焦型Shack-Hartmann传感器的光斑矩波前重建[J]. 光学学报, 2018, 38(6): 0628001.
[5] Gerchberg R W, Saxton W O. A practical algorithm for the determination of phase from image and diffraction plane pictures[J]. Optik, 1971, 35: 237-250.
[6] Fienup J R. Phase retrieval algorithms: a comparison[J]. Applied Optics, 1982, 21(15): 2758-2769.
[7] 杨国桢, 顾本源. 光学系统中振幅和相位的恢复问题[J]. 物理学报, 1981, 30(3): 410-413.
Yang G Z, Gu B Y. On the amplitude-phase retrieval problem in optical systems[J]. Acta Physica Sinica, 1981, 30(3): 410-413.
[8] Gerchberg R W, Saxton W O. Practical algorithm for the determination of phase from image and diffraction plane pictures[J]. Optik, 1972, 35(2): 237-250.
[9] Soldevila F, Durán V, Clemente P, et al. Phase imaging by spatial wavefront sampling[J]. Optica, 2018, 5(2): 164-174.
[10] 韩庆, 王健, 熊峥, 等. 用于长波红外目标模拟器的DMD衍射特性分析[J]. 红外与激光工程, 2017, 46(5): 0504006.
[11] Goorden S A, Bertolotti J, Mosk A P. Superpixel-based spatial amplitude and phase modulation using a digital micromirror device[J]. Optics Express, 2014, 22(15): 17999-18809.
[12] Martínez-León L, Clemente P, Mori Y, et al. Single-pixel digital holography with phase-encoded illumination[J]. Optics Express, 2017, 25(5): 20342-20350.
[13] Hu J, Shen Y B, Xie X W. Quantitative phase and amplitude imaging with an efficient support constraint[J]. Optics Express, 2019, 27(13): 17993-18004.
[14] McBride W, O'Leary N L, Allen L J. Retrieval of a complex-valued object from its diffraction pattern[J]. Physical Review Letters, 2004, 93(23): 233902.
[15] Guo C, Wei C, Tan J B, et al. A review of iterative phase retrieval for measurement and encryption[J]. Optics and Lasers in Engineering, 2017, 89: 2-12.
[16] Zhong J S, Tian L, Varma P, et al. Nonlinear optimization algorithm for partially coherent phase retrieval and source recovery[J]. IEEE Transactions on Computational Imaging, 2016, 2(3): 310-322.
[17] 姚玉东, 刘诚, 潘兴臣, 等. PIE成像方法技术现状及发展趋势[J]. 中国激光, 2016, 43(6): 0609001.
[18] Shannon C E. Communication in the presence of noise[J]. Proceedings of the IRE, 1949, 37(1): 10-21.
[19] Gong H, Pozzi P, Soloviev O, et al. Phase retrieval from multiple binary masks generated speckle patterns[J]. Proceedings of SPIE, 2016, 9899: 98992N.
[20] Marchesini S. Invited article: a unified evaluation of iterative projection algorithms for phase retrieval[J]. Review of Scientific Instruments, 2007, 78(1): 011301.
[21] 叶明哲, 王劭溥, 胡摇, 等. 大梯度相位单幅干涉图的解相方法[J]. 中国激光, 2019, 46(5): 0504002.
[22] 潘兴臣, 刘诚, 陶华, 等. Ptychography相位成像及其关键技术进展[J]. 光学学报, 2020, 40(1): 0111010.
谢熙伟, 胡静, 沈亦兵. 基于数字微镜器件随机编码调制的相位成像[J]. 光学学报, 2020, 40(23): 2311001. Xiwei Xie, Jing Hu, Yibing Shen. Phase Imaging Based on Random Coding Modulation of Digital Micro-Mirror Device[J]. Acta Optica Sinica, 2020, 40(23): 2311001.