近日,中國科學院西安光學精密機械研究所瞬態(tài)光學與光子技術(shù)國家重點實驗室姚保利課題組在智能光學顯微成像研究方面取得新進展。相關(guān)研究成果以Dual-wavelength in-line digital holography with untrained deep neural networks為題,在線發(fā)表在《光子學研究》上。
雙波長同軸數(shù)字全息(Dual-wavelength in-line digital holography,DIDH)是高精度定量相位成像的常用方法之一。在實際DIDH成像中,兩個固有因素影響成像的質(zhì)量:每個單一波長成像的噪聲會出現(xiàn)在雙波長全息圖中,導(dǎo)致相位重建中噪聲放大的問題;孿生像問題影響同軸數(shù)字全息的成像質(zhì)量。研究人員利用光路改進或算法補償?shù)确椒▉斫鉀Q上述問題,卻面臨加大光路復(fù)雜度與強噪聲條件下魯棒性不足等問題。相比之下,深度學習技術(shù)憑借其噪聲抑制或?qū)\生像抑制能力,成為DIDH成像的有力工具。然而,當前多數(shù)基于深度學習的方法依賴于監(jiān)督學習和訓(xùn)練實例,即需要大量的訓(xùn)練集來優(yōu)化其權(quán)值和偏差。而在雙波長同軸數(shù)字全息成像中,由于噪聲放大、孿生像以及成像系統(tǒng)穩(wěn)定性等影響,使實際應(yīng)用中不太可能獲得足夠數(shù)量的真值圖像用于訓(xùn)練,限制了該類神經(jīng)網(wǎng)絡(luò)在DIDH中的廣泛應(yīng)用。
針對上述問題,課題組提出了用于DIDH成像的非訓(xùn)練神經(jīng)網(wǎng)絡(luò)即DIDH-Net,可從DIDH成像數(shù)據(jù)中重建出噪聲和孿生像雙重抑制的目標相位分布。DIDH-Net本質(zhì)上是通過將非卷積網(wǎng)絡(luò)與真實成像物理過程模型相結(jié)合而建立,即將神經(jīng)網(wǎng)絡(luò)成像結(jié)果與用于光學DIDH成像的特定模型相結(jié)合,從而避免了傳統(tǒng)網(wǎng)絡(luò)訓(xùn)練所需的極大數(shù)據(jù)量。此外,該DIDH-Net不需要對成像參數(shù)或操作(如相移、訓(xùn)練數(shù)據(jù)等)進行額外的修改,便可實現(xiàn)高分辨率和高精度相位成像和測量。
與其他迭代相位成像方法相比,基于深度學習的方法不需要在精確相位重建和魯棒性之間進行權(quán)衡,因而在DIDH成像中具有優(yōu)勢。傳統(tǒng)的端到端方法通常從一組訓(xùn)練數(shù)據(jù)中學習映射函數(shù),而當實測數(shù)據(jù)沒有使用相同的權(quán)重集進行擬合時,該種數(shù)據(jù)驅(qū)動方案中的誤差則不可避免,并在重構(gòu)結(jié)果中帶來偽影和噪聲;在放大噪聲和孿生像作用下,這種情況將更嚴重。由于沒有任何用于訓(xùn)練的標記數(shù)據(jù),DIDH-Net僅需對圖像形成機制進行相對精確的建模,繼而將該物理模型與傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)相結(jié)合,便可以有效且準確地用單幅DIDH成像重建物體的相位分布信息。該研究可以為DIDH提供魯棒的相位重建和高精度的光學厚度測量,并可為其他數(shù)字全息成像方案提供借鑒。
近年來,姚保利團隊致力于智能光學顯微成像技術(shù)研究,在成像功能、信息獲取維度、性能指標等方面取得了進展,繼而形成了多種新型光學顯微成像技術(shù),例如,利用深度學習技術(shù)實現(xiàn)全彩寬場顯微光切片三維成像、共聚焦顯微快速超分辨三維成像、快速光片三維顯微成像等;利用壓縮感知技術(shù)實現(xiàn)了高分辨率高信噪比的光片顯微成像、散射介質(zhì)后定量相位快速計算成像、魯棒襯度傳遞函數(shù)相位成像等。