中國電子元件行業(yè)協(xié)會(huì )
China Electronic Components Association
近日，中國科學(xué)院上海光學(xué)精密機械研究所量子光學(xué)重點(diǎn)實(shí)驗室副研究員劉紅林與香港理工大學(xué)教授賴(lài)溥祥課題組、上海理工大學(xué)教授張大偉合作，在基于深度學(xué)習的散射成像機理與應用邊界的研究方面取得重要進(jìn)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《光子學(xué)研究》（Photonics Research）。
卷積神經(jīng)網(wǎng)絡(luò )（CNN）是一種用于對目標進(jìn)行重建、分類(lèi)等處理的深度學(xué)習方法。自2016年深度學(xué)習被首次應用于散射成像，該研究一直是光學(xué)成像領(lǐng)域的熱門(mén)方向。幾年來(lái)，神經(jīng)網(wǎng)絡(luò )結構被不斷優(yōu)化升級，但始終無(wú)法透過(guò)厚散射介質(zhì)產(chǎn)生理想的目標重建效果，同時(shí)其主流研究方向一直被通過(guò)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域采集的實(shí)驗數據、經(jīng)彈道光比例可調位板（調節范圍0%-100%）生成的模擬數據分別進(jìn)行CNN訓練和測試。經(jīng)對比發(fā)現，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(kāi)啟某一散射條件下網(wǎng)絡(luò )模型使用權限的特定“密鑰”，網(wǎng)絡(luò )只能識別訓練時(shí)見(jiàn)過(guò)的密鑰。如果沒(méi)有彈道光存在，即便使用多種散射條件下的數據進(jìn)行訓練，網(wǎng)絡(luò )也始終不會(huì )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)現解釋了深度學(xué)習散射成像無(wú)法突破厚度限制的物理原因，對今后深度學(xué)習散射成像的應用研究具有指導意義。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(lèi)散射條件下深度學(xué)習預測成像的邊界。
相關(guān)研究工作得到國家自然科學(xué)基金、廣東省科學(xué)技術(shù)委員會(huì )、香港研究撥款委員會(huì )以及香港創(chuàng )新科技委員會(huì )的支持。
