散射光与弹道光子在透过散射介质成像中的作用：一项基于深度学习的研究
光学
2022-07-22 v1
摘要
复杂介质中光的散射扰乱了光波前并打破了传统成像方法的原则。数十年来，研究者致力于通过自适应光学、迭代波前整形和传输矩阵测量等方法攻克该问题。即便如此，透过/进入厚散射介质的成像至今仍具挑战性。随着计算能力的快速发展，深度学习被引入并显示出从复杂介质或粗糙表面重建目标信息的潜力。但一旦面对光学厚介质（其中弹道光子可忽略不计），它也会失效。在此，我们并非仅将深度学习视为一种图像提取方法（其最大卖点是避免复杂物理模型），而是将其作为探索潜在物理原理的工具。通过调整随机相位掩模下弹道光子与散射光子的权重，我们发现尽管深度学习可从散射光与弹道光中提取图像，但机制不同：散射可能充当加密密钥，从散射光解密对密钥敏感，而从弹道光提取则稳定。基于该发现，我们提出并实验证实：训练好的神经网络对不同扩散体的泛化能力基础可追溯到弹道光子的贡献，即便其在探测中的光子计数权重并不显著。此外，该研究可能为将深度学习用作探针探索各领域未知物理原理开辟途径。
引用
@article{arxiv.2207.10263,
title = {Roles of scattered and ballistic photons in imaging through scattering media: a deep learning-based study},
author = {Xuyu Zhan and Jingjing Gao and Yu Gan and Chunyuan Song and Dawei Zhang and Songlin Zhuang and Shensheng Han and Puxiang Lai and Honglin Liu},
journal= {arXiv preprint arXiv:2207.10263},
year = {2022}
}
备注
12 pages, 6 figures