深度學(xué)習(xí)驅(qū)動(dòng)的端對(duì)端超透鏡成像技術(shù)

  ICC訊 超透鏡作為傳統(tǒng)光學(xué)透鏡的革新性替代方案，為實(shí)現(xiàn)超緊湊成像系統(tǒng)提供了新的可能。這種由亞波長(zhǎng)結(jié)構(gòu)（稱為超原子）精確排列組成的超薄薄膜，有望克服色差、球差和體積龐大等傳統(tǒng)限制。然而，由于聚焦效率、帶寬和透鏡直徑之間存在基本的權(quán)衡關(guān)系，使用超透鏡實(shí)現(xiàn)高質(zhì)量成像仍面臨挑戰(zhàn)[1]。

圖1展示了超透鏡成像系統(tǒng)的示意圖，說(shuō)明了超透鏡成像系統(tǒng)如何與基于深度學(xué)習(xí)的圖像恢復(fù)技術(shù)集成。

  一、深度學(xué)習(xí)解決方案

  深度學(xué)習(xí)的最新進(jìn)展為提升超透鏡性能創(chuàng)造了新機(jī)遇。通過(guò)結(jié)合物理超透鏡設(shè)計(jì)與計(jì)算后處理，研究人員開(kāi)發(fā)了一個(gè)創(chuàng)新框架，能夠補(bǔ)償各種像差和局限性。該方法使用神經(jīng)網(wǎng)絡(luò)恢復(fù)超透鏡捕獲的圖像，有效實(shí)現(xiàn)無(wú)像差的全彩色成像。

圖2展示了批量生產(chǎn)的超透鏡的制造和表征，包括掃描電子顯微鏡圖像、焦距測(cè)量和不同波長(zhǎng)下的點(diǎn)擴(kuò)散函數(shù)分析。

  二、超透鏡設(shè)計(jì)和制造

  超透鏡采用納米壓印光刻和原子層沉積技術(shù)制造，實(shí)現(xiàn)低成本批量生產(chǎn)的同時(shí)保持均勻性。設(shè)計(jì)采用具有任意旋轉(zhuǎn)角度的納米條作為Pancharatnam-Berry相位基超透鏡。雖然這些超透鏡在532納米波長(zhǎng)處達(dá)到相對(duì)較高的效率（55.6%），但在不同波長(zhǎng)下表現(xiàn)出明顯的色差。

圖3對(duì)比了原始圖像、超透鏡圖像和重建結(jié)果，展示了深度學(xué)習(xí)恢復(fù)框架的有效性。

  三、神經(jīng)網(wǎng)絡(luò)架構(gòu)

  圖像恢復(fù)框架采用專門針對(duì)超透鏡成像挑戰(zhàn)設(shè)計(jì)的復(fù)雜神經(jīng)網(wǎng)絡(luò)架構(gòu)。系統(tǒng)分兩個(gè)階段處理圖像：首先優(yōu)化恢復(fù)模型以減少輸出與原始圖像之間的差異，然后實(shí)施對(duì)抗學(xué)習(xí)方案以增強(qiáng)信息恢復(fù)效果。

圖4展示了提出的模型與傳統(tǒng)超透鏡成像的性能指標(biāo)對(duì)比的統(tǒng)計(jì)分析，包括峰值信噪比、結(jié)構(gòu)相似性指數(shù)等質(zhì)量度量。

  四、性能分析

  深度學(xué)習(xí)框架在多個(gè)指標(biāo)上展現(xiàn)出顯著改進(jìn)：

  峰值信噪比(PSNR)提高7.37分貝

  結(jié)構(gòu)相似性指數(shù)(SSIM)提升22.5個(gè)百分點(diǎn)

  學(xué)習(xí)的感知圖像塊相似性(LPIPS)降低35.6個(gè)百分點(diǎn)

圖5顯示了美國(guó)空軍分辨率測(cè)試圖的恢復(fù)結(jié)果，展示了清晰度的提升和色差的減少。

  五、實(shí)際應(yīng)用

  該系統(tǒng)的效果不僅限于基本的圖像質(zhì)量提升，還擴(kuò)展到物體檢測(cè)等實(shí)際應(yīng)用。使用PASCAL VOC2007數(shù)據(jù)集的測(cè)試表明，使用恢復(fù)后的圖像在檢測(cè)準(zhǔn)確度方面有顯著提升。

圖6展示了原始圖像、超透鏡圖像和恢復(fù)圖像的物體檢測(cè)結(jié)果對(duì)比，顯示了圖像恢復(fù)后檢測(cè)能力的提升。

  六、結(jié)論

  深度學(xué)習(xí)增強(qiáng)的超透鏡成像代表了光學(xué)工程的重大進(jìn)展。通過(guò)結(jié)合物理超透鏡設(shè)計(jì)與基于神經(jīng)網(wǎng)絡(luò)的圖像恢復(fù)，該方法在保持超透鏡系統(tǒng)緊湊優(yōu)勢(shì)的同時(shí)實(shí)現(xiàn)了高質(zhì)量成像。在圖像質(zhì)量和實(shí)際應(yīng)用方面的顯著改進(jìn)表明，在智能手機(jī)相機(jī)到增強(qiáng)現(xiàn)實(shí)設(shè)備等各個(gè)領(lǐng)域都具有廣闊應(yīng)用空間。

  七、參考文獻(xiàn)

  [1] J. Seo et al., "Deep-learning-driven end-to-end metalens imaging," Advanced Photonics, vol. 6, no. 6, pp. 066002-1-066002-13, Nov./Dec. 2024.