透过散射介质对直线运动目标的全光成像及追踪技术

光散射是限制光传输以及降低和破坏光学成像性能的主要因素,透过复杂散射介质对运动目标的全光成像是光学领域极具挑战性的技术之一.本文提出一种利用散斑差值自相关透过散射介质对运动目标进行实时追踪的方法.采用赝热光照明,基于光学记忆效应理论,通过对运动目标采集的两帧散斑做差值,然后做自相关运算,计算目标移动的距离,实现对目标的实时追踪,并且利用相位恢复算法进行简单处理就可以重建隐藏目标.对该方法进行了实验验证,成功地对隐藏的运动目标实现了成像与追踪.这种透过散射介质对运动目标的全光成像及实时追踪技术,在生物医学等领域具有重要应用潜力.     

贝塞尔光束在生物医学显微成像技术中的应用（特邀）

作为一种典型的无衍射光束,贝塞尔光束具有无衍射和自重构特性,能够提供更长的聚焦长度和一定程度的抗散射能力,在生物医学光学显微成像技术领域获得了越来越多的应用。本文重点关注了贝塞尔光束在生物医学光学显微成像技术中的应用,包括利用其扩展景深能力实现体积样本快速三维成像、利用其抗散射粒子干扰能力实现散射样本的大深度成像以及利用更细聚焦光束能力实现更高分辨率的光学显微成像。首先,概述了贝塞尔光束及其实验室常用的产生方法;然后,总结了近些年贝塞尔光束在生物医学光学显微成像技术中的应用,包括但不限于多光子荧光显微成像、光片荧光显微成像、拉曼显微成像等,既总结了贝塞尔光束在其中发挥的优势,也分析了贝塞尔光束旁瓣带来的干扰问题的消除方案。最后分析和探讨了贝塞尔光束在生物医学光学显微成像技术应用中遇到的问题以及发展前景。     

散射成像技术的研究进展

散射在光的成像过程中无法避免,传统的光学成像技术很难解决散射引起的光波前畸变及图像失真等问题。近年来,大量的研究成果表明充分利用散射效应的成像技术可以实现透过散射介质或复杂介质成像,且具有超分辨的特性。本文在介绍散射成像基本原理的基础上,重点介绍了透过散射介质成像方法以及相关技术的研究进展,分析了散射成像尚存在的问题,最后对散射成像未来的研究方向进行了展望。     

深度学习在计算成像中的应用

近年来,深度学习被广泛应用于计算成像中,并取得了令人瞩目的成果,已成为该领域的研究热点。为了深入了解现有基于深度学习的方法是如何解决众多计算成像问题的,主要介绍了该方法的基本理论和实施步骤,然后以散射成像、数字全息及计算鬼成像中的应用为例具体介绍该方法的有效性和优越性。汇总对比了一些典型应用,并对基于深度学习的计算成像方法进行了总结和展望。     

强散射体内部目标的实时高分辨率成像方法

由于强散射介质的散射作用,使得传统光学成像系统难以有效探测其内部目标。针对这一难点,提出了一种对强散射介质内部目标进行高分辨率实时成像的方法。基于强散射介质波前校正原理,采用汇聚照明方式,通过纯相位型空间光调制器,对散射介质表面点目标进行校正,使其清晰成像。在此基础上,保持调制图样不变,将汇聚照明改为扩展照明,即可实现对校正点附近较大视场和景深范围内目标的实时清晰成像。基于此方法搭建的实验系统很好地实现了强散射介质内部目标的实时成像,通过比较传统光学系统在无散射介质条件下和散射成像系统在有强散射介质条件下的成像质量,结果表明,散射成像系统具有更高的成像锐度。     

基于深度学习的透过散射介质偏振识别

当偏振光在散射介质中传播时,由于散射粒子的多重散射作用而造成偏振信息的扰乱和丢失.为了保证偏振信息在散射介质中高效和高保真的传输,提出一种基于深度学习的透过散射介质偏振识别方法.通过构建卷积神经网络来提取散斑光强信息中入射光波偏振信息的特征,实现对入射光波偏振态的高分辨率识别,并使用初始相位不同的偏振光来验证卷积神经网络对偏振态识别的鲁棒性.实验结果表明,所提方法具有识别速度快和准确率高的优点,理论上可以通过无限大的数据来训练神经网络,因此该方法在偏振光学成像和激光通信等领域具有巨大的应用潜力.     

基于分层级各向异性滤波的图像景深渲染算法

提出了一种基于分层级各向异性滤波的图像景深渲染算法。基于光学薄透镜的景深成像模型,分析得到了更为准确的景深弥散圈光强分布模型。对于输入的深度图,构建了深度图金字塔,修复了其中的不连续区域,结合弥散斑分布模型,确定了场景中各点的模糊半径参数。根据深度信息对深度图进行分层渲染,每层的滤波核半径与弥散圈半径一致,最终采用分离式的各向异性高斯滤波快速得到渲染结果。与典型的景深渲染算法进行了对比,实验结果表明,所提出的算法具有较高的运行效率,图像渲染结果更接近真实景深效果。算法图像景深渲染视觉质量表现优异,具有较好的适用范围和算法稳定性。     

基于计算成像的端到端延展景深衍射元件的设计

提出一种基于计算成像理论的端到端衍射元件设计方法,通过全局性优化方案将光学设计和图像复原作为整体,从而降低前端光学系统的成像质量要求,并利用图像复原算法去除残余像差以简化系统。所提设计方法涵盖光场传播、探测器去噪和图像后处理等关键环节的模型建立与联合优化。该设计方案可用于景深延展的轻薄型衍射元件的设计,且所适用的大景深的简单光学系统具有较高的成像质量。     

水下对空成像的光学计算模型

海面波浪对光线的扰动以及海水对光的吸收和散射对水下对空成像有重大影响。建立了水下对空成像的光学计算模型，采用基于PM谱的海浪模型和基于小角度散射理论的水下辐射场传输模型，利用光线追迹分析波浪对光线的扰动，得到了像面照度的分布。仿真结果的分析表明，像面上的照度由视场中心向边缘递减，并随成像深度增加按指数衰减，海浪对图像的破坏程度在消光边界附近最大。     

基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.     

成像参数对大深度物体聚焦形貌恢复的影响

为探究成像参数对大深度物体聚焦形貌恢复精度的影响规律,明确实际应用中聚焦形貌恢复重建精度不满足要求时成像系统的改进措施,在构建聚焦形貌恢复三维重建精度评价指标的基础上,利用正交实验确定成像参数对聚焦形貌恢复精度影响的主次顺序,重点分析主要和次主要参数对重建精度的影响规律,并揭示最佳成像参数随多聚焦图像采样间距的变化关系。考虑到成像参数的变化实际通过改变系统景深影响聚焦形貌恢复精度,建立了多聚焦图像采样间距与最佳景深之间的经验公式,为系统成像参数的设定提供了理论依据。实验结果表明：焦距和F数是聚焦形貌恢复的主要和次主要影响参数,在给定多聚焦图像采样间距下存在使重建精度最高的最佳焦距和最佳F数,且随着采样间距减小,最佳焦距增大,最佳F数减小;多聚焦图像采样间距与最佳景深之间的经验公式拟合准确率为97.28%,验证准确率为94.76%,可用于最佳景深的计算;采用最佳景深能够显著提升聚焦形貌恢复精度,为大深度物体聚焦形貌恢复精度的提升提供了新途径。     

简单光学成像技术及其研究进展

计算成像为光学成像系统提供了更强大的信息获取能力,通过在成像链路中引入编解码过程,在增大信息量的同时降低系统的复杂度,为实现更简单和更智能的成像系统奠定了基础.本文总结了以计算成像为基础的简单光学成像技术的发展.简单光学以小型化和集成化的成像元件与系统为目标,将光学系统设计与图像处理算法进行联合优化,在小尺寸、低质量和低功耗的系统中实现与复杂光学系统相媲美的成像效果.随着微纳加工技术的发展,简单光学元件从单透镜或少片透镜逐渐发展到衍射光学元件、二元光学元件和超构表面等平板光学元件.复原算法中总结了正向求解算法、基于模型的优化迭代算法和深度学习人工智能算法.本文介绍了深度成像、高分辨与超分辨成像、大视场和大景深成像等技术,以及简单光学在消费电子、自动驾驶、机器视觉、安防监控和元宇宙等领域发挥的作用,并对未来的发展进行展望.     

水下掩埋目标的散射声场计算与实验

水下掩埋目标声散射问题是识别和探测掩埋目标的理论基础, 是声散射研究领域的热点问题. 本文基于射线声学推导了掩埋情况下目标声散射计算的格林函数近似式, 并在此基础上进一步给出了相应的远场积分公式. 在有限元方法的基础上, 将推导得到的公式写入有限元仿真软件, 对软件功能进行拓展, 构建二维轴对称目标的声散射模型, 并计算掩埋情况下弹性实心球在不同条件下的目标强度, 获得了其散射声场随频率、掩埋深度、沙层吸收系数等参数的变化规律. 开展实心球的自由空间和浅掩埋条件下水池声散射实验, 利用共振隔离技术处理实验数据, 提取目标声散射的纯弹性共振特征进行分析, 结果表明可将其用于掩埋目标识别和探测. 最后利用总散射声场与理论计算结果进行对比, 验证了理论仿真的正确性.     

超短脉冲激光通过高散射介质的电子学全息成像技术研究

根据超短脉冲激光透过高散射介质成像的电子全息原理,建立了一套完整的适用于透过高用射介质成像的电子学全息系统。采用该系统,透过厚度为１２ｍｍ,体积百分比为５％的鲜奶和水的混合散射液体,对直径为０．６５ｍｍ的金属丝实现了成像。     

基于光学记忆效应的多光谱散射成像方法

光在透过散射介质后发生散射现象,在成像系统焦平面形成无序的随机散斑图像,因此人们无法直接观测到隐藏在散射介质后的目标的图像信息与光谱信息。利用基于光学记忆效应的散斑相关成像技术,可以实现透过散射介质的目标重建,但当前研究主要针对单波段照明条件下的图像信息恢复,而目标的光谱信息在成像过程中易丢失。提出采用快照式微滤光片阵列多光谱探测器进行多光谱散射成像的方案,通过实验得到宽谱氙灯光源照明条件下的穿透散射介质成像结果。提出了基于光学记忆效应的穿透散射介质目标多光谱信息重构方法,实现了对隐藏在散射介质之后的目标多光谱信息的探测成像。针对多光谱探测器所造成的成像质量差的问题,提出了利用自相关预处理方法提升穿透散射介质多光谱成像质量的方法。     

三维集成成像显示系统分辨率的测试模型设计

建立了三维集成成像显示系统的分辨率测试模型,对模型所采用的形状、比例和条纹宽度等进行设计研究.首先,根据集成成像技术多角度拍摄测试模型得到视差图;然后,根据二维分辨率测试卡的测试方法对视差图清晰度线进行标定;最后,计算视差图得到合成图像并显示到集成成像系统上,测试得到系统重构三维物体的分辨率.实验结果表明:该设计支持观察者测试不同角度、不同深度的显示分辨率,量化了集成成像显示系统分辨率.模型包含8级分辨率清晰度线,基本满足当前三维显示系统分辨率的测试范围,可用于测量集成成像显示系统的重构景深和视场角.     

散射透镜的成像原理及应用

克服散射影响的成像恢复是光学领域最重要的研究课题之一.散射介质在某些情况下具有类似透镜的成像特性,被称为散射透镜.利用该特性,多种新型的成像技术被提出并有效应用到复杂环境下的成像恢复.本文介绍了常规透镜与散射透镜在物理结构、数学描述和成像特性上的异同,着重展示了利用散射透镜特性的实验设计思路、方法和前沿研究的进展.力图在散射成像领域建立从教科书到科研前沿的联系,以此来激发学生的创新思维,提高学生的动手能力.     

非全息衍射投影（英文）

提出了一种无需全息计算和相干照明的衍射投影方法和投影系统,利用非相干的准直LED光源和傅里叶变换透镜取代全息迭代计算获得被投影图像的空间频谱,再利用空间频谱在自由空间中的瑞利索墨菲衍射实现了小投射比、无限景深的图像投影.详细推导了投影方法的成像过程,解析了投影系统的强度脉冲响应函数.实验搭建了一套非全息衍射投影系统,对投影过程中产生的像差和亮度不均匀进行矫正,获得了无相干噪音的高品质衍射图像,实现了投射比为0.87的无限景深的衍射投影.在相距大于800 mm的不同深度平面上同时获得了清晰的投影图像,从而验证了方法的可行性.该投影方法和系统在球幕投影、任意曲面屏幕投影和增强现实投影等领域具有潜在的应用.     

基于Stokes矢量的实时偏振差分水下成像研究

偏振差分水下成像能够有效地克服光散射效应造成的图像退化问题, 在水下物体探测与识别领域具有重要应用价值. 传统的偏振差分方法靠光学检偏器的无规则机械转动来实现对散射背景的共模抑制, 限制了其在水下成像过程中的实时探测性能. 本文通过分析偏振差分探测原理来建立偏振差分成像模型, 从理论上提出了基于Stokes矢量的计算偏振差分水下实时成像系统, 并进行了实验验证. 研究结果表明, 基于Stokes矢量的计算偏振差分成像不仅与传统的偏振差分方法具有相同的水下探测效果, 更重要的是可以实现快速成像过程. 该方法可以应用到目前的偏振成像仪器系统, 实现无需人-机互动的自动化实时偏振差分水下成像, 进一步提高水下物体探测与识别的效率.     

深度学习下的计算成像:现状、挑战与未来

近年来,光学成像技术已经由传统的强度、彩色成像发展进入计算光学成像时代。计算光学成像基于几何光学、波动光学等理论对场景目标经光学系统成像再到探测器采样这一完整图像生成过程建立精确的正向数学模型,再求解该正向成像模型所对应的"逆问题",以计算重构的方式来获得场景目标的高质量图像或者传统技术无法直接获得的相位、光谱、偏振、光场、相干度、折射率、三维形貌等高维度物理信息。然而,计算成像系统的实际成像性能也同样极大程度地受限于"正向数学模型的准确性"以及"逆向重构算法的可靠性",实际成像物理过程的不可预见性与高维病态逆问题求解的复杂性已成为这一领域进一步发展的瓶颈问题。近年来,人工智能与深度学习技术的飞跃式发展为计算光学成像技术开启了一扇全新的大门。不同于传统计算成像方法所依赖的物理驱动,深度学习下的计算成像是一类由数据驱动的方法,它不但解决了许多过去计算成像领域难以解决的难题,还在信息获取能力、成像的功能、核心性能指标(如成像空间分辨率、时间分辨率、灵敏度等)上都获得了显著提升。基于此,首先概括性介绍深度学习技术在计算光学成像领域的研究进展与最新成果,然后分析了当前深度学习技术在计算光学成像领域面临的主要问题与挑战,最后展望了该领域未来的发展方向与可能的研究方向。