近日,清华大学深圳国际研究生院倪凯课题组与其合作者在超表面计算快照光谱成像技术研究方面取得新进展,团队提出了一种基于生成式深度学习的并行化超表面计算机断层扫描超紧凑策略,可以在保持高分辨率和成像速度的同时,有效将快照光谱成像中的光学元件体积大幅缩小,为光谱成像技术的微型化、智能化发展开辟了新路径。
快照光谱成像能在单次曝光中获得三维光谱信息,使得视频级实时光谱成像成为可能,但空谱映射性光谱成像往往面临分辨率受限难以解决,压缩重建型光谱成像面临的数据高度压缩所带来的重建质量问题。如何突破传统成像范式,兼顾小型化成像技术和空间-光谱权衡优势的光谱成像系统仍是学界的研究热点。
事实上,现有的快照光谱成像技术——编码孔径快照光谱成像(CASSI)和计算层析快照光谱成像(CTIS)的成像系统都可以看作是“透镜+色散元件”结构的演化。通过引入新的光调制元件,这些系统可以最大限度地获取光谱信息,从而改善数据重建。CASSI系统通过在光路中引入随机编码掩模来提高光信号的调制自由度,减少了算法对先验假设的依赖。最新的基于超表面的CASSI系统通过随机灰度编码将频谱调制和编码功能集成到单个器件中,实现了芯片级集成,相比而言,CTIS系统使用二维色散光栅获得多角度光谱投影,通过冗余减少重建的不确定性。
图1 编码孔径光谱成像和计算层析光谱成像的系统架构及紧凑化设计方案
在此基础之上,团队提出了一种基于并行化超表面的超紧凑计算层析快照光谱成像系统,其基本原理是利用数据立方体的每个投影实现自身原始数据的反演重建,该系统由七个子超透镜以正六边形镶嵌形成并行化超透镜系统。中间的子超透镜接收准直入射光束,实现目标的消色差全色成像,周围六个子超透镜分别接收不同的入射光束,实现目标的各向异性离轴色散聚焦成像。探测器捕获原始数据后,从多角度色散投影获得互补和共享的空间光谱信息,进而可通过光谱重建算法获取原始目标的二维空间信息和一维光谱信息,在毫秒时间内以高分辨率重建光谱图像。
图2 并行化超透镜计算层析快照光谱成像技术概念及成像流程示意图
最终的实验表明,所提出的方案可以在保持高分辨率和成像速度的同时,有效将快照光谱成像中的光学元件体积从cm3量级减小到亚mm3量级,在450–650 nm光谱范围内,可在38 ms内实现单次快照成像,光谱分辨率为10 nm。该技术为快照光谱成像集成到各种高度微型化的显微镜和内窥镜成像系统中奠定了基础。
图3 并行化超透镜计算层析快照光谱成像结果图
该研究工作以“深度学习赋能的并行化超表面计算层析快照光谱成像”(Deep Learning Empowered Parallelized Metasurface Computed Tomography Snapshot Spectral Imaging)为题发表在期刊《先进材料》(Advanced Materials)上。清华大学深圳国际研究生院2022级博士研究生丁凯洋为第一作者,清华大学精仪系白本锋、清华大学深圳国际研究生院倪凯、周倩,鹏城实验室梁骁俊为上述论文通讯作者,其他作者还包括清华大学深圳国际研究生院王晓浩教授,2022级硕士研究生王明、2023级硕士研究生陈梦圆、邵揆智等。该研究由国家自然科学基金、深圳市自然科学基金项目支持。
原文链接:https://doi.org/10.1002/adma.202419383
图/文:丁凯洋
编辑:戴雨静
审核:聂晓梅