全息成像一直受到動(dòng)態(tài)環(huán)境中不可預(yù)測(cè)的失真的挑戰(zhàn)。傳統(tǒng)的深度學(xué)習(xí)方法由于依賴(lài)于特定的數(shù)據(jù)條件，往往難以適應(yīng)不同的場(chǎng)景。

為了解決這個(gè)問(wèn)題，浙江大學(xué)的研究人員深入研究了光學(xué)和深度學(xué)習(xí)的交叉領(lǐng)域，揭示了物理先驗(yàn)在確保數(shù)據(jù)和預(yù)訓(xùn)練模型對(duì)齊方面的關(guān)鍵作用。

他們探索了空間相干性和湍流對(duì)全息成像的影響，并提出了一種創(chuàng)新方法TWC-Swin，可以在存在這些干擾的情況下恢復(fù)高質(zhì)量的全息圖像。他們的研究成果以“利用光的魔力：空間相干性指導(dǎo)swin變換器進(jìn)行通用全息成像”為題，發(fā)表在《先進(jìn)光子學(xué)》雜志上。

TWC-Swin方法利用空間一致性作為物理先驗(yàn)來(lái)指導(dǎo)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，擅長(zhǎng)捕捉局部和全局圖像特征，并消除了由任意湍流引起的圖像退化。

空間相干性是光波行為有序性的度量。當(dāng)光波處于混沌狀態(tài)時(shí)，全息圖像會(huì)變得模糊和嘈雜，因?yàn)樗鼈償y帶的信息較少。保持空間相干性對(duì)于清晰的全息成像至關(guān)重要。

動(dòng)態(tài)環(huán)境，如海洋或大氣湍流，會(huì)引入介質(zhì)的折射率變化。這會(huì)破壞光波的相位相關(guān)性，并扭曲空間相干性。因此，全息圖像可能會(huì)變得模糊、失真，甚至丟失。

對(duì)不同強(qiáng)度的海洋和大氣湍流進(jìn)行性能定性分析。以相干性作為物理先驗(yàn)信息進(jìn)行訓(xùn)練的網(wǎng)絡(luò)可以有效地克服海洋和大氣湍流對(duì)成像的影響，提高圖像質(zhì)量。

浙江大學(xué)的研究人員開(kāi)發(fā)了TWC-Swin方法來(lái)解決這些挑戰(zhàn)。TWC-Swin是“train-with-coherence swin transformer”的縮寫(xiě)，利用空間相干性作為物理先驗(yàn)來(lái)指導(dǎo)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。該網(wǎng)絡(luò)基于Swin transformer架構(gòu)，擅長(zhǎng)捕捉局部和全局圖像特征。

為了測(cè)試他們的方法，作者設(shè)計(jì)了一個(gè)光處理系統(tǒng)，該系統(tǒng)可以在不同的空間相干性和湍流條件下產(chǎn)生全息圖像。這些全息圖基于自然物體，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試數(shù)據(jù)。

結(jié)果表明，即使在低空間相干性和任意湍流條件下，TWC-Swin也能有效地恢復(fù)全息圖像，超越了傳統(tǒng)的基于卷積網(wǎng)絡(luò)的方法。此外，據(jù)報(bào)道，該方法具有很強(qiáng)的泛化能力，將其應(yīng)用擴(kuò)展到訓(xùn)練數(shù)據(jù)中未包含的未知場(chǎng)景。

這項(xiàng)研究在解決不同場(chǎng)景下全息成像中的圖像退化問(wèn)題方面開(kāi)辟了新天地。通過(guò)將物理原理整合到深度學(xué)習(xí)中，該研究揭示了光學(xué)與計(jì)算機(jī)科學(xué)之間的成功協(xié)同作用。隨著未來(lái)的發(fā)展，這項(xiàng)工作為增強(qiáng)全息成像鋪平了道路，使我們能夠透過(guò)湍流清晰地看到。

相關(guān)鏈接：https://phys.org/news/2023-10-holographic-imaging-turbulent-environments.html

論文鏈接：https://dx.doi.org/10.1117/1.AP.5.6.066003