近日，中國科學(xué)院上海光學(xué)精密機(jī)械研究所信息光學(xué)與光電技術(shù)實(shí)驗(yàn)室司徒國海研究員團(tuán)隊(duì)提出了基于深度學(xué)習(xí)的可拓展散斑相關(guān)成像方法，可在不同散射介質(zhì)干擾下實(shí)現(xiàn)對不同類型物體的恢復(fù)，突破了傳統(tǒng)深度學(xué)習(xí)方法因泛化性問題而難以同時(shí)應(yīng)對成像系統(tǒng)及成像場景變化的瓶頸。相關(guān)論文近期以“DeepSCI: Scalable speckle correlation imaging using physics-enhanced deep learning”為題發(fā)表在Optics Letters上。

散射成像技術(shù)突破了傳統(tǒng)成像方法的成像視距，大幅提升了光學(xué)成像系統(tǒng)的環(huán)境適應(yīng)性。近年來發(fā)展的基于深度學(xué)習(xí)的散射成像方法在提升成像深度和速度、降低成像裝置復(fù)雜度等方面具有獨(dú)特優(yōu)勢。但是，這種數(shù)據(jù)驅(qū)動的方法存在訓(xùn)練數(shù)據(jù)獲取困難、泛化性及可解釋性差等問題，難以對不同散射環(huán)境下的不同結(jié)構(gòu)類型物體進(jìn)行成像。課題組此前提出融合成像系統(tǒng)物理模型的方法為解決上述問題提供了新思路，但因難以對散射成像系統(tǒng)進(jìn)行正向建模而無法將其直接應(yīng)用到散射成像中。

研究團(tuán)隊(duì)基于光學(xué)記憶效應(yīng)，將散斑相關(guān)成像中建立的物體與散斑圖之間的聯(lián)系視為正向物理模型（圖1a），并融入深度學(xué)習(xí)算法中（圖1b-c）。當(dāng)散射介質(zhì)和物體類型變化引起數(shù)據(jù)漂移時(shí)，利用物體圖像與散斑圖由上述物理模型建立的等式關(guān)系，對預(yù)訓(xùn)練網(wǎng)絡(luò)進(jìn)行微調(diào)，使得網(wǎng)絡(luò)輸出的物體圖像估計(jì)滿足物理模型的約束（圖1c）。盡管從散斑圖重建物體圖像是一個(gè)典型的病態(tài)逆問題，但由于預(yù)訓(xùn)練模型蘊(yùn)含了訓(xùn)練數(shù)據(jù)中豐富的隱式先驗(yàn)信息，網(wǎng)絡(luò)輸出結(jié)果可在物理模型的約束下逼近真實(shí)物體圖像（圖1d）。仿真和實(shí)驗(yàn)結(jié)果表明，這種模型與數(shù)據(jù)聯(lián)合驅(qū)動的方法，可使用由一類散射介質(zhì)和目標(biāo)物體獲得的數(shù)據(jù)預(yù)訓(xùn)練網(wǎng)絡(luò)，實(shí)現(xiàn)透過不同散射介質(zhì)對不同結(jié)構(gòu)類型物體進(jìn)行成像（圖2）。

圖1.所提方法示意圖。（a）散射成像系統(tǒng)；（b）數(shù)據(jù)驅(qū)動預(yù)訓(xùn)練；（c）模型驅(qū)動微調(diào)；（d）微調(diào)過程，網(wǎng)絡(luò)直接輸出結(jié)果經(jīng)微調(diào)后逼近真實(shí)物體圖像。

圖2.散斑相關(guān)成像實(shí)驗(yàn)裝置及實(shí)驗(yàn)結(jié)果。（a）物體真值；（b）散斑自相關(guān)；（c）預(yù)訓(xùn)練網(wǎng)絡(luò)直接輸出；（d）模型驅(qū)動非訓(xùn)練網(wǎng)絡(luò)結(jié)果；（e）HIO結(jié)果；（f）對預(yù)訓(xùn)練網(wǎng)絡(luò)進(jìn)行微調(diào)結(jié)果。

原文鏈接：https://doi.org/10.1364/OL.484867