基于空间调谐不变非线性编码的动态和可区分多模态光纤的实时无标定成像
光学
2026-02-25 v1
摘要
多模态光纤（MMF）提供了一种紧凑、高吞吐量的平台，用于最小侵入性成像和信息传输。然而，其效用受到模式混合的根本限制，这导致图像传输在空间上被破坏，并且对外部扰动敏感。当前的成像方法通常依赖于传输矩阵测量或深度学习模型，这些模型对光纤移动极其脆弱，需要频繁、耗时的校准和重新校准，且容易被干扰，甚至无法在不同的光纤配置之间普遍化，更不用说跨越完全不同的光纤了。本文提出了一种无校准且无反馈的MMF相干成像范式，称为空间调谐不变非线性编码（Spatial Harmonic Invariant Nonlinear Encoding, SHINE）。通过利用第二谐波产生中与角度相关的相位匹配条件，我们将空间特征编码到拥有内在不敏感性的宽带光谱特征中，这种不敏感性不仅适用于模式混乱，也适用于光纤弯曲、移动以及结构变化。这种谱表示形式使深度学习模型能够在动态扰动下 robustly 重建图像，甚至在无需重新校准或反馈的情况下也能良好地普遍化到不同的MMF。我们在Fashion-MNIST上实现了图像重建任务的平均Pearson相关系数为0.82，在HERLEV生物医学数据集上实现了92.3%的分类准确率。独特的是，我们的方法在跨光纤普遍化方面表现突出：在单个MMF上训练的模型能够成功地通过完全不同的、之前未见过的MMF来重建图像，Pearson相关系数达到0.74。这些结果建立了一个面向MMF实时成像的稳健、无校准框架，为实用且无需远端反馈的光学诊断铺平了道路。
引用
@article{arxiv.2602.20562,
title = {Real-time Calibration-free Imaging Through Dynamic and Distinct Multimode Fibers via Spatial Harmonic Invariant Nonlinear Encoding (SHINE)},
author = {Zhiyuan Wang and Haoran Li and Songjie Luo and Jixiang Chen and Tianting Zhong and Jing Yao and Jixiong Pu and Zhipeng Yu and Sylvain Gigan and Ziyang Chen and Puxiang Lai},
journal= {arXiv preprint arXiv:2602.20562},
year = {2026}
}