近日，中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所瞬態(tài)光學(xué)與光子技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室姚保利課題組在智能光學(xué)顯微成像研究方面取得新進(jìn)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(xué)研究》上。 OR( )D~:n  
FWdSpaas Q  
T |'Ur#  
雙波長(zhǎng)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(shí)際DIDH成像中，兩個(gè)固有因素影響成像的質(zhì)量：每個(gè)單一波長(zhǎng)成像的噪聲會(huì)出現(xiàn)在雙波長(zhǎng)全息圖中，導(dǎo)致相位重建中噪聲放大的問(wèn)題；孿生像問(wèn)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(jìn)或算法補(bǔ)償?shù)确椒▉?lái)解決上述問(wèn)題，卻面臨加大光路復(fù)雜度與強(qiáng)噪聲條件下魯棒性不足等問(wèn)題。相比之下，深度學(xué)習(xí)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(dāng)前多數(shù)基于深度學(xué)習(xí)的方法依賴于監(jiān)督學(xué)習(xí)和訓(xùn)練實(shí)例，即需要大量的訓(xùn)練集來(lái)優(yōu)化其權(quán)值和偏差。而在雙波長(zhǎng)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(shí)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。 r#]gAG4t\  
,US~p_M!  
針對(duì)上述問(wèn)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(biāo)相位分布。DIDH-Net本質(zhì)上是通過(guò)將非卷積網(wǎng)絡(luò)與真實(shí)成像物理過(guò)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(xué)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(duì)成像參數(shù)或操作（如相移、訓(xùn)練數(shù)據(jù)等）進(jìn)行額外的修改，便可實(shí)現(xiàn)高分辨率和高精度相位成像和測(cè)量。 R8\y|p#c  
0'|#Hi7@  
與其他迭代相位成像方法相比，基于深度學(xué)習(xí)的方法不需要在精確相位重建和魯棒性之間進(jìn)行權(quán)衡，因而在DIDH成像中具有優(yōu)勢(shì)。傳統(tǒng)的端到端方法通常從一組訓(xùn)練數(shù)據(jù)中學(xué)習(xí)映射函數(shù)，而當(dāng)實(shí)測(cè)數(shù)據(jù)沒(méi)有使用相同的權(quán)重集進(jìn)行擬合時(shí)，該種數(shù)據(jù)驅(qū)動(dòng)方案中的誤差則不可避免，并在重構(gòu)結(jié)果中帶來(lái)偽影和噪聲；在放大噪聲和孿生像作用下，這種情況將更嚴(yán)重。由于沒(méi)有任何用于訓(xùn)練的標(biāo)記數(shù)據(jù)，DIDH-Net僅需對(duì)圖像形成機(jī)制進(jìn)行相對(duì)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(zhǔn)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(xué)厚度測(cè)量，并可為其他數(shù)字全息成像方案提供借鑒。 4lb3quY$Us  
n`6