基于深度學(xué)習(xí)的散射成像機理與應(yīng)用

近日，中科院量子光學(xué)實驗室劉紅林副研究員與香港理工賴溥祥教授課題組、上海理工大學(xué)張大偉教授合作，在基于深度學(xué)習(xí)的散射成像機理與應(yīng)用邊界方面研究獲得重要進展。相關(guān)成果以“The physical origin and boundary of scalable imaging through scattering media: a deep learning-based exploration”為題發(fā)表于Photonics Research。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種用于對目標進行重建、分類等處理的深度學(xué)習(xí)方法。自2016年深度學(xué)習(xí)被首次應(yīng)用于散射成像，該研究一直是光學(xué)成像領(lǐng)域的熱門方向。幾年來，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)被不斷優(yōu)化升級，但始終無法透過厚散射介質(zhì)產(chǎn)生理想的目標重建效果，同時其主流研究方向一直被通過研發(fā)新型網(wǎng)絡(luò)提高重建效果所束縛，從而忽略了其中的物理本質(zhì)。

研究人員使用從同一塊毛玻璃不同區(qū)域采集的實驗數(shù)據(jù)、經(jīng)彈道光比例可調(diào)位板（調(diào)節(jié)范圍0%-100%）生成的模擬數(shù)據(jù)分別進行CNN訓(xùn)練和測試。經(jīng)對比發(fā)現(xiàn)，彈道光是提高網(wǎng)絡(luò)泛化性的先決條件，而散射光則是開啟某一散射條件下網(wǎng)絡(luò)模型使用權(quán)限的特定“密鑰”，網(wǎng)絡(luò)只能識別訓(xùn)練時見過的密鑰。如果沒有彈道光存在，即便使用多種散射條件下的數(shù)據(jù)進行訓(xùn)練，網(wǎng)絡(luò)也始終不會具有泛化性。

彈道光與散射光在散射成像中不同作用的發(fā)現(xiàn)解釋了深度學(xué)習(xí)散射成像無法突破厚度限制的物理原因，對今后深度學(xué)習(xí)散射成像的應(yīng)用研究具有指導(dǎo)意義。增加具有空間不變性的信息可以提高神經(jīng)網(wǎng)絡(luò)的泛化性，還可確定各類散射條件下深度學(xué)習(xí)預(yù)測成像的邊界。

該項目得到了國家自然科學(xué)基金、廣東省科學(xué)技術(shù)委員會、香港研究撥款委員會以及香港創(chuàng)新科技委員會的支持。??

編輯：黃飛

?