追踪光的“记忆”

2019 年 11 月 24 日 中科院之声

大晴天里,我们能够看清周围的环境、来往行人和车辆。但是在大雾天里,我们的眼睛虽然仍能感受到光,但却看不清周围的人和物。


这是因为在目标和眼睛之间存在很多小水滴,这些水滴也称为“散射颗粒”,光在穿过它们时发生了偏折。就好像有一个巨型迷宫,人们从一个口进去,在里面兜兜转转了半天终于出来了,却不记得自己走过的路线。光也是一样,经过大量无规分布的散射颗粒散射后的光线,也完全失去了其初始的位置和方向信息。

 

     

生活中充满了各类散射介质,除了云雾霾烟、浑浊的水体等,人体也是一类散射介质。比如说,可以找一个手电筒,用手掌捂住手电筒的出光孔,这时候我们仍然能看到光,却看不到手掌的内部结构以及手掌后面的手电筒出光孔。

 

  

透过“云雾”看“本质”,主要用这几种方法


但是,看清看透云雾、手掌等散射介质对探索科学未知是尤为重要的,所以找到相关探测方法具有重要意义。一个多世纪以来,科研人员尝试了各种方法,研究比较深入的有几种:


Ø 光学OCT


利用相干门(满足特定条件能形成稳定的干涉花样)选择未被散射的光(这一部分光的能量随着介质厚度的增加指数衰减),可以看清大约1mm厚的生物组织,被广泛应用于眼底病变的筛查诊断。

 

   

Ø 光声成像


脉冲光照射下,生物组织瞬时吸收能量快速膨胀从而发射超声,对于超声而言,生物组织是透明的,探测超声可对其内部进行成像。



Ø 光学位相共轭 


由于光路具有可逆性,探测散射波前并生成共轭波前,共轭反向传播补偿散射的影响,特定条件下等效透明散射介质进行成像。


 

Ø 散斑自相关成像


基于光学记忆效应的散斑自相关成像结构简单、快速、无损,具有独特的优势。散斑自相关成像,即用非相干光,如LED灯照射物体,从物体反射的光经过散射介质后,被CCD收集。直接看CCD采集的图,只是一些无规起伏的散斑,看不出任何物体的信息。但对散斑场做自相关运算并进行算法重构就可以得到物体清晰的像。

 

激光经过圆孔和散射位相屏的比较


散斑自相关成像的视场取决于记忆效应范围,而记忆效应范围一般很小。这是限制散斑自相关成像的瓶颈。

 

跟随光的“记忆”,算出“云雾”后的物体图像


什么是记忆效应呢?一束激光照射一个圆孔(没有厚度),在观察屏上可以看到一个圆斑。当入射激光的方向以圆孔为中心偏转一个角度时,观察屏上的圆斑发生一个平移,平移的距离等于偏转角度和圆孔到屏的距离的乘积。


如果圆孔内有大量随机分布的散射颗粒,由于折射率的随机涨落,这时我们在屏上看到的是一幅散斑图。入射激光偏转时,散斑图案相对不变,只是整体位置发生了平移,这种现象就是光学记忆效应。即经过散射后,光子仍然保留对初始入射方向的记忆。


当然,实际的散射介质都是有厚度的,散斑图的平移不变性范围一般远小于激光光斑的平移不变范围。


我们的眼睛之所以能够看见物体,是因为眼球是一个平移不变系统,物体不同点发出的光经过晶状体后仍然能够有序地排列组合在一起,在眼底形成物体的像。散斑自相关成像可以看作是一种“算法眼睛”,它能够识别经过散射介质后物体各个点发出的光,经过变换重构成我们习惯的图像。

 

新公式:更好地探清光如何传播、如何被“记忆”


中科院上海光机所科研人员通过构建双层相位屏模型,建立了关于记忆效应的新的物理图像,并从波动光学的基础出发严格推导了记忆效应范围的公式。不同于传统的公式,新公式对散射介质的厚度、散射系数、各项异性因子等的影响都给予了定量描述。研究人员还在微观上区分了不同的散射成分,对不同成分的记忆效应范围也给出了定量描述。


相比于文献记载的关于记忆效应的理论和方法,新的物理图像和实验吻合得更好,对内部过程的描述也更严谨。光在散射介质内如何传播,记忆效应为什么会存在,记忆效应范围如何变化,这些问题不再是谜题。从光的角度来说,散射介质也不再是一个光学黑盒子,其内部的特性可以被准确描述。


对记忆效应本质的研究加深了人们的认识,为扩展记忆效应范围提高成像视场提供了理论依据。在理论的指导下,研究人员已经实现了记忆效应范围数倍的扩展。相信在不远的将来,我们就可以看到散斑自相关成像的实际应用。


关于记忆效应新的物理图像,以及基于该物理图像发展起来的一些分析和模拟方法将为更进一步的散射成像研究提供有力的工具。以后,云雾等恶劣天气环境将不再是生活中的障碍,医生也可以对病人进行光学透视检查和诊断。


相关成果发表在Photonics Research 7, 1323 (2019)。

 

来源:中国科学院上海光学精密机械研究所


温馨提示:近期,微信公众号信息流改版。每个用户可以设置 常读订阅号,这些订阅号将以大卡片的形式展示。因此,如果不想错过“中科院之声”的文章,你一定要进行以下操作:进入“中科院之声”公众号 → 点击右上角的 ··· 菜单 → 选择「设为星标」


登录查看更多
0

相关内容

【ICML2020-华为港科大】RNN和LSTM有长期记忆吗?
专知会员服务
74+阅读 · 2020年6月25日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
67+阅读 · 2020年3月5日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
150个摄影测量与遥感术语
无人机
6+阅读 · 2018年4月22日
一文读懂LSTM和循环神经网络
七月在线实验室
8+阅读 · 2018年4月18日
GIS最新热点以及未来发展热门
人工智能学家
10+阅读 · 2018年3月29日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
专栏 | 贝叶斯学习与未来人工智能
机器之心
10+阅读 · 2017年9月19日
Arxiv
3+阅读 · 2018年10月25日
Viewpoint Estimation-Insights & Model
Arxiv
3+阅读 · 2018年7月3日
Arxiv
6+阅读 · 2018年2月8日
Arxiv
5+阅读 · 2017年12月29日
Arxiv
3+阅读 · 2015年5月16日
VIP会员
相关资讯
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
150个摄影测量与遥感术语
无人机
6+阅读 · 2018年4月22日
一文读懂LSTM和循环神经网络
七月在线实验室
8+阅读 · 2018年4月18日
GIS最新热点以及未来发展热门
人工智能学家
10+阅读 · 2018年3月29日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
专栏 | 贝叶斯学习与未来人工智能
机器之心
10+阅读 · 2017年9月19日
相关论文
Arxiv
3+阅读 · 2018年10月25日
Viewpoint Estimation-Insights & Model
Arxiv
3+阅读 · 2018年7月3日
Arxiv
6+阅读 · 2018年2月8日
Arxiv
5+阅读 · 2017年12月29日
Arxiv
3+阅读 · 2015年5月16日
Top
微信扫码咨询专知VIP会员