南京天光所在超衍射極限成像研究方面取得新進(jìn)展

傳統光學(xué)成像系統的空間/角分辨率受限于阿貝-瑞利衍射極限，而在此限制下，一般通過(guò)增大成像系統數值孔徑或有效口徑來(lái)提高空間/角分辨率。然而，成像發(fā)展到現階段，增大數值孔徑或有效口徑在實(shí)現成本及難度上均已是挑戰。而超分辨成像技術(shù)為獲得超衍射極限成像提供了可能。

近日，中國科學(xué)院國家天文臺南京天文光學(xué)技術(shù)研究所研究員何晉平團隊在超衍射極限成像技術(shù)研究方面取得新進(jìn)展。該團隊基于外接孔徑調制子系統及深度學(xué)習方法，以原光學(xué)成像系統的實(shí)像面作為輸入，不改變原有系統結構，調節位于孔徑光闌平面的電動(dòng)可變光闌，快速采集訓練所需的低分辨率（low-resolution，LR）到高分辨率（high-resolution，HR）圖像對，并以訓練好的深度學(xué)習網(wǎng)絡(luò )將HR圖像作為輸入，快速外推出超出衍射極限的超分辨率（super-resolution，SR）圖像。相關(guān)研究結果發(fā)表在Optics Express上，并申請國家發(fā)明專(zhuān)利。至此，該團隊基于孔徑調制已提出三種新型超分辨成像方法：“孔徑調制 + 光強外推”【Sci. Rep. 8, 15216(2018)】、“孔徑調制 + 圖像迭代重構”【J. Opt. 23, 015701(2021)】及本工作方法“孔徑調制 + 深度學(xué)習”。

圖1.實(shí)驗裝置示意圖（EAMS：external aperture modulation subsystem）

該方法無(wú)須更改原有成像系統結構，只需添加一個(gè)可變光闌或孔徑調制子系統即可實(shí)現調制功能，結構簡(jiǎn)單且緊湊，造價(jià)低。在數據訓練方面，相對于常用的“端對端”訓練策略，增加一個(gè)“標簽數據”可以進(jìn)一步提高深度學(xué)習網(wǎng)絡(luò )的分辨率增強能力和圖像保真度。相比迭代式最優(yōu)化SR算法，基于深度學(xué)習的SR方法可以提供訓練好的非迭代式重建工具，從而實(shí)現快速的分辨率增強，且無(wú)須估計點(diǎn)擴散函數（PSF）或對成像過(guò)程進(jìn)行數值建模。

圖2.稀疏點(diǎn)源目標的超衍射極限成像結果對比。

（a）衍射極限下的HR圖像、（b）3倍理論SR圖像、（c）2孔徑訓練策略SR外推結果、（d）3孔徑訓練策略SR外推結果、（e）和（f）為相應的2.2倍和2.7倍SR時(shí)的橫截線(xiàn)對比圖。0.735為Rayleigh criterion下歸一化鞍點(diǎn)強度

圖3.對玉米種子切片成像的對比結果。（a）3孔徑訓練策略SR外推結果、（b）-（m）不同ROI（range of interest）的成像效果放大對比圖。（n）和（o）為兩個(gè)特征白點(diǎn)和黑點(diǎn)的橫截線(xiàn)對比圖。（i）和（j）中的黃色箭頭指向一些原本模糊的間隙和形狀，這些間隙和形狀通過(guò)訓練好的dpcCARTs-NET變得更清晰

為驗證該方法在復雜物體成像方面的能力，研究團隊與南京林業(yè)大學(xué)、上海交通大學(xué)合作，開(kāi)展了生物樣品SR成像方面的實(shí)驗研究工作。圖3給出了對玉米種子切片成像的對比結果。與衍射受限的HR輸入相比，dpcCARTs-NET的外推SR輸出在分辨率和對比度方面均有明顯提高，且使用3孔徑調制策略訓練的dpcCARTs-NET的SR性能優(yōu)于2孔徑調制策略，分辨率增強能力接近1.5倍。外推SR圖像提供了更清晰的生物結構信息，有助于進(jìn)一步剖析樣品的生物學(xué)信息，如評估淀粉含量。

當前，該團隊正在將相關(guān)方法應用于大視場(chǎng)天文成像中，有望以較低代價(jià)實(shí)現超高分辨天文成像，并為將來(lái)開(kāi)展智能天文儀器設計和智能天文數據處理算法研究提供參考。研究工作得到國家自然科學(xué)基金青年科學(xué)項目、面上項目及重點(diǎn)項目的資助。