化工机械设备网

 

　　光波携带的相位信息能揭示物质的厚度、折射率、几何形貌等特性，因其无法直接被光学传感器感知，通常需要干涉的方法进行检测。数字同轴全息显微(Digital in-line holographic microscopy, DIHM)凭借高空间带宽积、无标记、非入侵、成像速度快等特点，成为了定量相位成像的常用方法。然而在实际应用中，全息图重建过程中孪生像的干扰、采用大像素尺寸探测器导致的亚像素信息丢失会阻碍高质量的DIHM成像。深度学习凭借其噪声抑制和逆问题求解能力，成为DIHM成像和像素超分辨(Pixel super-resolution, PSR)的有力工具。然而，当前大多数基于深度学习的方法依赖于监督学习和训练实例来优化其权值和偏差，采集大量的全息图及其相应的高分辨原始相位图在实验中不仅耗时久，且训练数据的收集十分困难。此外，训练后的模型对于不同于训练数据的样品泛化性十分有限。
 

　　图 MPPN-PSR相位成像：(a)对TOMM20抗体细胞进行全视场像素超分辨相位成像，(b)不同PSR相位重建方法比较和(c)相应的光学厚度图。
 

　　针对上述问题，研究团队提出了一种DIHM像素超分辨相位成像的非训练神经网络，即多先验物理增强神经网络(MPPN-PSR)，可从同轴全息图中高通量、高精度、高分辨地重建样品的相位信息。MPPN-PSR将神经网络和物理模型相结合，在一个非训练的深度神经网络中封装了物理模型先验、稀疏性先验和深度图像先验，可避免神经网络对大量训练数据的需求，且无需任何额外的硬件设计，仅需单幅全息图便能实现孪生像抑制、像素超分辨和高通量相位成像。MPPN-PSR方法相较无PSR的相位恢复方法，图像的像素分辨率提高了3倍，与结合了像素超分辨的经典相位恢复方法Twist-TV-PSR相比，光学分辨率提高约2倍，且由于利用了低倍物镜固有的大视场，MPPN-PSR提高了成像的空间带宽积。该项研究成果有望为其它数字全息成像方案提供借鉴，并广泛应用于生物医学和工业测量领域。
 

　　瞬态光学与光子技术国家重点实验室姚保利团队近年来对智能光学显微成像技术进行了深入研究，形成了多种新型光学显微成像技术，在成像功能、信息获取维度、性能指标等方面均获得显著提升，包括利用深度学习技术实现的全彩宽场显微光切片三维成像、共聚焦显微快速超分辨三维成像、快速光片三维显微成像等，以及利用压缩感知技术实现的高分辨率高信噪比的光片显微成像、透过散射介质计算成像等。相关研究成果发表于Photon. Res.、Opt. Lett.、Opt. Express等期刊。此外，团队在基于光场调控的光学显微成像和光学微操纵方面开展了长期的理论和实验研究工作，在PNAS、Nature Com.、PRL、Rep. Prog. Phys.、Adv. Opt. Photon.等期刊上发表300多篇论文，授权多项国家发明专利，曾获陕西省科学技术一等奖、二等奖和陕西省重点科技创新团队等奖励和荣誉。