通过多模光纤的高光谱成像

多模光纤凭借大量传输模式提供了更高的数据传输速率。遗憾的是，多模光纤中模式数量的增加会因模式间的干涉产生随机散斑图案而阻碍信息的准确传输。系统的复杂性使得系统的解析表达难以获得，从而导致信息丢失。然而，深度学习算法可用于高效恢复信息。在本研究中，我们利用深度学习架构从电信波长(C波段)下的输出散斑图案重建输入的彩色图像。我们的模型成功识别了二十六个独立波长和二十六个不同字母的高光谱散斑图案。值得注意的是，我们仅通过分析输出散斑图案的一小部分即可重建完整的输入图像，从而在不牺牲分类精度的前提下降低了计算负载。我们相信本研究将对诸多领域产生变革性影响：生物医学成像、通信、传感与光子计算。