1 清华大学精密仪器系精密测试技术及仪器国家重点实验室,北京 100084
2 清华大学精密仪器系光子测控技术教育部重点实验室,北京 100084
3 北京控制工程研究所,北京 100190
散射介质会破坏光束的光波前分布和能量输送,限制了强散射环境下光镊、荧光成像、光通信等技术的应用。波前整形技术通过优化入射波前,重新规划散射介质内的光传输路径,实现了在散射介质内部或透过散射介质的光聚焦,从而克服了散射介质的限制,将散射光重新利用,使得散射介质成为一个类似透镜的光学元件,也被称为“浑浊透镜”。目前主要有依赖反馈调控的迭代优化方法、建立输入-输出联系的传输矩阵方法和利用光路可逆原理的相位共轭方法三类技术路线。本文从技术原理、应用背景以及重要进展等方面梳理了基于波前整形技术的散射介质聚焦的研究进展,并对比展望了三类技术在应用中的发展前景。
散射介质 波前整形 光聚焦 迭代优化 传输矩阵 光学相位共轭 光学学报
2024, 44(10): 1026013
华侨大学 信息科学与工程学院 福建省光传输与变换重点实验室,厦门 361021
提出一种通用式突变算子用于增强反馈式波前整形系统的调控效率,进而实现激光透过散射介质后的高效聚焦。为验证该突变算子提高聚焦效率的有效性,在经典优化算法,包括遗传算法、粒子种群算法、蚁群算法、模拟退火算法等四种算法的基础上引入突变算子,以优化结束后的增强因子和达到最高增强因子时的迭代周期数来表征聚焦效率。经过数值仿真和实验验证,该突变算子的引入使得四种经典优化算法的聚焦效率均得到大幅提升,增强因子提升了25%以上,同时迭代周期数减少了63%以上。当增加调控单元数量时,突变算子的高效性将更为显著。为进一步验证该突变算子的通用性,对二元振幅型调制以及多点聚焦进行了数值模拟分析,结果表明该突变算子有效增强了聚焦效率。该研究为反馈式波前整形的多种经典算法与多种调控方式提供了更高效的聚焦策略,实现了散射介质后更快更强的光斑聚焦,在光捕获、光遗传学等领域具有潜在的应用价值。
光场调控 波前整形 优化算法 散射介质 Optical modulation Wavefront shaping Optimization algorithm Scattering medium
红外与激光工程
2023, 52(2): 20220318
1 合肥工业大学计算机与信息学院, 安徽 合肥 230601
2 天津津航技术物理研究所, 天津 300192
散射介质会改变光子的传播方向和传输路径, 导致成像质量下降甚至形成散斑。理论上, 散射介质的传输矩阵可以被用来恢复目标信息, 但是求解传输矩阵的过程十分复杂, 而且精度也受较多因素的影响。近年来, 迅速发展的深度学习技术为解决散射光场成像问题提供了新思路, 其作为一种求解逆问题的常用方法可以准确恢复目标信息、提高成像质量, 在散射光场成像领域发挥着重要作用并涌现出了一系列突出的科研成果。基于深度学习算法中的监督学习和无监督学习, 总结了现阶段基于深度学习算法的散射光场成像技术的研究进展, 并从深度学习技术的网络结构、成像质量、泛化性等方面分析比较了各类智能算法成像技术性能。最后, 分析了基于深度学习算法的散射光场成像技术的优势及面临的挑战, 并展望了该领域未来可能的发展趋势。
信息光学 散射光场成像 目标重建 深度学习 散射介质 information optics scattering imaging target reconstruction deep learning scattering media
红外与激光工程
2022, 51(8): 20220299
1 中国科学院上海光学精密机械研究所 量子光学重点实验室,上海 201800
2 中国科学院大学 材料与光电研究中心,北京 100049
透过散射介质的光学成像是人们长期追求但一直未能真正解决的问题。研究人员提出并发展了各种各样的方法和技术,从最早只利用弹道光的时间门和空间门技术,到后来利用了散射光的波前整形、散射矩阵测量和散斑自相关成像,再到近年热门的深度学习方法。尽管这些方法和技术都经过了毛玻璃、氧化锌薄膜、生物组织切片等薄散射介质的原理性验证,但随着介质厚度增加,所有方法和技术都迅速失效。厚度一直是难以克服的瓶颈。这篇评论归纳对比了散射成像的主要方法和技术,重新审视了经过散射介质波前被完全随机化等主流观点,分析了现有方法和技术无法透过厚散射介质成像的原因,并提出了未来有望真正解决问题的研究方向。
透过散射介质成像 弹道光 散射光 波前整形 散斑自相关成像 深度学习 imaging through scattering media ballistic photons scattered photons wavefront shaping speckle autocorrelation imaging deep learning 红外与激光工程
2022, 51(8): 20220261
1 中国科学院上海光学精密机械研究所 量子光学重点实验室,上海 201800
2 中国科学院大学,北京 100049
3 中国科学院大学 杭州高等研究院,浙江 杭州 310024
利用相位恢复算法可以从光纤近端的光强分布求解光纤远端的场强分布。光纤的响应可以用传输矩阵描述。实验上则是在不同的输入情况下对输出端的光强分布进行足够数量的采样来测量传输矩阵。显然,采样点的位置分布,包括采样点数目和间隔,影响着传输矩阵的测量,而相位恢复算法的精度和效率与传输矩阵有关。文中提出采样间隔应该大于出射散斑大小,以满足传输矩阵不同行的统计独立性,在保证图像重建质量的条件下减少采样点数,提高重建效率。实验结果表明,当采样间隔小于散斑大小时,相同的图像重建质量下,随着采样间隔的增大,光场重建所需的采样点数量明显下降。当采样间隔大于散斑时,所需的采样点数量变化缓慢,约为输入图像像素数量的3.5倍。采样间隔固定时,随着采样点数的增加,相位恢复算法消耗的时间先减小后增大,因此存在一个最佳的采样间隔与采样点数。
散射介质成像 多模光纤 相位恢复 scattering medium imaging multimode fiber phase retrieval 红外与激光工程
2022, 51(8): 20220072
1 华侨大学 信息科学与工程学院 福建省光传输与变换重点实验室,福建 厦门 361021
2 闽南师范大学 物理与信息工程学院,福建 漳州 363000
不同于毛玻璃等固态散射介质静止不变的特点,浑浊介质对光束的散射作用同时体现在空间及时间上,当浑浊介质动态变化时,大多数的传统散射成像方法失效。针对以上问题,文中采用了一种基于深度学习恢复散斑图像的方法,研究了浑浊介质中,不同散射介质及散射介质浓度不同的条件下,神经网络的图像恢复效果,并利用不同浓度散射介质获得的散斑图像混合训练测试神经网络的泛化能力。实验结果表明,在不同散射介质及散射介质浓度不同的条件下,该网络均能够根据散斑图像获得较高保真度的恢复图像,且在不同浓度散射介质的散斑图像混合训练的情况下,网络泛化能力及鲁棒性强。
图像恢复 散射介质 散射成像 深度学习 image reconstruction scattering medium scattering imaging deep learning 红外与激光工程
2022, 51(8): 20220215
1 中国科学院上海技术物理研究所,上海
2 中国科学院大学,北京
3 中国科学院红外探测与成像技术实验室,上海
提高光电成像系统的抗散射介质干扰能力一直是光学中极具挑战的重要课题。在散射介质中,由于小颗粒的散射和吸收效应以及由此产生的强度或偏振特性的不均匀分布,往往会严重降低图像质量。基于大气光的偏振特性,使用偏振探测可以估计大气散射的强度、水平及透射率,将目标信号与干扰信号分离,以实现高质量成像。首先阐述基于偏振的去散射原理以及偏振信息的作用距离分析,随后介绍基于该原理的各类偏振成像系统的应用的最新进展,如基于偏振差分、斯托克斯矢量以及穆勒矩阵的偏振成像系统。最后对散射介质条件下的偏振成像的未来发展进行了展望。
偏振成像 散射介质 图像恢复 polarization imaging scattering medium image restoration