Eine der bekanntesten FĂ€higkeiten von Superman ist das Supersehen, das ihm erlaubt, Atome zu betrachten, im Dunkeln und ĂŒber groĂe Entfernungen zu sehen sowie durch GegenstĂ€nde hindurchzusehen. Diese FĂ€higkeit wird auf den Bildschirmen Ă€uĂerst selten demonstriert, aber sie existiert. In unserer RealitĂ€t kann man ebenfalls durch nahezu völlig undurchsichtige Objekte sehen, indem man einige wissenschaftliche Tricks anwendet. Allerdings waren die erhaltenen Aufnahmen bis vor kurzem immer schwarz-weiĂ. Heute werden wir eine Studie kennenlernen, in der Wissenschaftler der Duke University (USA) es geschafft haben, ein Farbfoto von Objekten zu machen, die hinter einer undurchsichtigen Wand versteckt sind, indem sie einmalige Lichtimpulse verwendeten. Was ist diese Supertechnologie, wie funktioniert sie und in welchen Bereichen kann sie angewendet werden? DarĂŒber wird uns der Bericht der Forschungsgruppe Auskunft geben. Lassen Sie uns beginnen.
Basis der Forschung
Trotz aller möglichen âVorteileâ der Visualisierungstechnologie von Objekten in streuenden Medien gibt es eine Reihe von Problemen bei der Umsetzung dieser Technologie. Das Hauptproblem ist der Fakt, dass sich die Wege der Photonen, die durch den Streuer hindurchgehen, stark Ă€ndern, was zu zufĂ€lligen Mustern fĂŒhrt. Spreckeln* auf der anderen Seite.
Sprekel* ist ein zufÀlliges Interferenzmuster, das durch die gegenseitige Interferenz kohÀrenter Wellen entsteht, die zufÀllige Phasenverschiebungen und/oder eine zufÀllige IntensitÀtsverteilung aufweisen. Es sieht normalerweise aus wie eine Ansammlung heller Punkte (Flecken) auf dunklem Hintergrund.
In den letzten Jahren wurden mehrere Visualisierungsmethoden entwickelt, die es ermöglichen, die Effekte des Streuers zu umgehen und Informationen ĂŒber das Objekt aus dem Speckle-Muster zu extrahieren. Das Problem dieser Methoden ist ihre EinschrĂ€nkung â man muss bestimmte Kenntnisse ĂŒber das Objekt haben, Zugang zum streuenden Medium oder Objekt besitzen usw.
Gleichzeitig gibt es einen viel perfekteren, so die Meinung der Wissenschaftler, Ansatz â die Visualisierung mit GedĂ€chtniseffekt (ME). Diese Methode ermöglicht es, das Objekt ohne vorherige Kenntnisse ĂŒber dessen Eigenschaften oder das streuende Medium zu visualisieren. Wie wir wissen, haben alle Methoden ihre Nachteile, und die ME-Methode ist da keine Ausnahme. Um hochkontrastreiche Speckelmuster und damit genauere Bilder zu erhalten, muss die Beleuchtung schmalbandig sein, d.h. weniger als 1 nm.
Es ist auch möglich, die EinschrĂ€nkungen der ME-Methode zu ĂŒberlisten, aber auch hier sind diese Tricks mit dem Zugang zu der optischen Quelle oder dem Objekt vor dem Streuungselement oder mit der direkten Messung verbunden. PSF*.
PSF* â die Punktstreufunktion, die das Bild beschreibt, das das Formungssystem beim Beobachten einer punktförmigen Lichtquelle oder eines punktförmigen Objekts erhĂ€lt.
Die Forscher bezeichnen diese Methoden als funktional, aber nicht perfekt, da die Messung der PSF nicht immer möglich ist, beispielsweise aufgrund der Dynamik des Streuungselements oder dessen UnzugĂ€nglichkeit vor dem Visualisierungsverfahren. Mit anderen Worten, es gibt genĂŒgend Arbeit.
In ihrer Arbeit schlagen die Forscher einen anderen Ansatz vor. Sie demonstrieren uns eine Methode zur Umsetzung der multispektralen Visualisierung von Objekten durch ein streuendes Medium unter Verwendung einer einzigen Speckelmessung mit einer monochromatischen Kamera. Im Gegensatz zu anderen Methoden erfordert dieses Verfahren kein Vorwissen ĂŒber die PSF des Systems oder das Spektrum der Quelle.
Die neue Methode ermöglicht die Erstellung von hochwertigen Bildern des Zielobjekts in fĂŒnf gut getrennten spektralen KanĂ€len zwischen 450 nm und 750 nm, was durch Berechnungen bestĂ€tigt wurde. In der Praxis gelang es jedoch bisher, die Visualisierung von drei gut getrennten spektralen KanĂ€len zwischen 450 nm und 650 nm sowie sechs benachbarten spektralen KanĂ€len zwischen 515 nm und 575 nm zu erreichen.
Funktionsprinzip der neuen Methode
Bild Nr. 1: Lampe â rĂ€umlicher Lichtmodulator â Streuungselement (mit Irisblende) â kodierende Blende â Prisma â optisches Relais (Visualisierung 1:1) â monochromatische Kamera.
Die Forscher heben drei grundlegende Elemente jeder Visualisierung durch ein Streuungselement hervor: das Objekt von Interesse (entweder von auĂen beleuchtet oder selbstleuchtend), das Streuungselement und den Detektor.
Wie in den standardmĂ€Ăigen ME-Systemen wird in dieser Untersuchung ein Objekt betrachtet, dessen WinkelgröĂe sich innerhalb des Sichtfelds der ME und in einem Abstand von u hinter dem Streuungselement befindet. Nach der Wechselwirkung mit dem Streuungselement breitet sich das Licht ĂŒber einen Abstand v aus, bevor es den Detektor erreicht.
Die herkömmliche ME-Visualisierung verwendet Standardkameras, wĂ€hrend in diesem Verfahren ein Modul mit einem codierenden Detektor eingesetzt wird, das aus einer codierenden Blende und einem von der WellenlĂ€nge abhĂ€ngigen optischen Element besteht. Ziel dieses Elements ist die einzigartige Modulation jedes spektralen Kanals, bevor sie zusammengefĂŒhrt und im monochromen Detektor umgewandelt werden.
So wurde anstelle einer einfachen Messung des niederkontrastigen Spektra, dessen spektrale KanÀle untrennbar gemischt sind, ein spektral multiplexiertes Signal aufgezeichnet, das sich gut zur Trennung eignet.
Die Forscher betonen erneut, dass ihre Methode keine im Voraus bekannten Eigenschaften oder Annahmen bezĂŒglich des Streuers oder der Lichtquelle erfordert.
Nach der DurchfĂŒhrung der vorlĂ€ufigen Messungen des multiplexierten Spektra wurde ein bekanntes Tλ-Wert (ein kodierendes Muster, das von der WellenlĂ€nge abhĂ€ngt) verwendet, um das Spektrum in jedem spektralen Band individuell zu rekonstruieren.
In ihrem Werk verwendeten die Wissenschaftler in der Phase der Berechnungen und Modellierungen bestimmte Methoden des maschinellen Lernens, die dazu beitragen können, eine zuvor nicht betrachtete Methode zu realisieren. Zuallererst wurde das Lernen von Merkmalen einer spÀrlichen Matrix verwendet, um das Spektrum darzustellen.
Merkmalslernen* â ermöglicht es dem System, automatisch die Darstellungen zu finden, die erforderlich sind, um Merkmale der Eingangsdaten zu identifizieren.
Infolgedessen wurde eine Datenbank erstellt, die auf Speckle-Bildern aus verschiedenen Messkonfigurationen trainiert wurde. Diese Datenbank ist ausreichend verallgemeinert und unabhĂ€ngig von den spezifischen Objekten und Streuern, die an der Generierung der Maske Iλx,y beteiligt sind. Mit anderen Worten, das System wird auf der Grundlage eines Streuers trainiert, der nicht in der experimentellen Konfiguration verwendet wird, d.h. das System hat keinen Zugang zu ihm, wie es sich die Forscher wĂŒnschten.
FĂŒr die Erfassung von Speckle-Bildern bei jeder WellenlĂ€nge wurde der OMP-Algorithmus (orthogonal matching pursuit).
SchlieĂlich wurden die Bilder des Objekts erhalten, indem die Autokorrelation jedes spektralen Kanals unabhĂ€ngig berechnet und die Autokorrelation bei jeder WellenlĂ€nge invertiert wurde. Die erhaltenen Bilder bei jeder WellenlĂ€nge werden dann kombiniert, um ein farbiges Bild des Objekts zu erstellen.
Bild Nr. 2: Schritt-fĂŒr-Schritt-Prozess zur Erstellung des Objektbildes.
Diese Methode, so die Schöpfer, trifft keine Annahmen ĂŒber Korrelationen zwischen den spektralen KanĂ€len und erfordert lediglich die Annahme, dass der Wert der WellenlĂ€nge ausreichend zufĂ€llig ist. DarĂŒber hinaus benötigt diese Methode nur Informationen ĂŒber den kodierenden Detektor, wobei sie auf die vorherige Kalibrierung der kodierenden Apertur und eine vortrainierte Datenbibliothek vertraut. Solche Merkmale machen diese Visualisierungsmethode sehr universell und nicht-invasiv.
Simulationsergebnisse
Zu Beginn betrachten wir die Ergebnisse der Simulation.
Bild Nr. 3
Das obige Bild zeigt Beispiele eines multispektralen Bildes von zwei Objekten, die durch einen Streuungseffekt aufgenommen wurden. Die obere Reihe zeigt 3a das Objekt von Interesse, bestehend aus mehreren Zahlen, die sowohl in falschen Farben als auch nach spektralen KanÀlen angezeigt werden. Bei der Darstellung des Objekts in falschen Farben wird das IntensitÀtsprofil jeder WellenlÀnge im CIE 1931 RGB-Raum angezeigt.
Das rekonstruierte Objekt (untere Reihe in 3a) sowohl in falschen Farben als auch aus der Sicht der einzelnen spektralen KanÀle zeigt, dass die Methode eine ausgezeichnete Visualisierung bietet und nur eine geringe Kreuzinteraktion zwischen den spektralen KanÀlen aufweist, die im Prozess keine wesentliche Rolle spielt.
Nach Erhalt des rekonstruierten Objekts, d.h. nach der Visualisierung, musste der Grad der Genauigkeit bewertet werden, indem die spektrale IntensitĂ€t (durchschnittlich ĂŒber alle hellen Pixel) des tatsĂ€chlichen Objekts und des rekonstruierten Objekts verglichen wurde (3b).
Auf den Bildern 3c sind das reale Objekt (obere Reihe) und das rekonstruierte Bild (untere Reihe) fĂŒr eine Zelle aus dem StĂ€ngel der Baumwolle abgebildet. In 3d wird die Genauigkeitsanalyse der Visualisierung gezeigt.
Um die Genauigkeit der Visualisierung zu bewerten, mussten die Werte des strukturellen Ăhnlichkeitskoeffizienten (SSIM) und das SpitzenverhĂ€ltnis von Signal zu Rauschen (pSNR) des tatsĂ€chlichen Objekts fĂŒr jeden spektralen Kanal berechnet werden.
Die obige Tabelle zeigt, dass jeder der fĂŒnf KanĂ€le einen SSIM-Wert von 0,8â0,9 und einen PSNR von ĂŒber 20 aufweist. Daraus folgt, dass trotz des niedrigen Kontrasts des Specksignals die Ăberlagerung auf den Detektor von fĂŒnf Spektralstreifen mit einer Breite von 10 nm die rĂ€umlich-spektralen Eigenschaften des untersuchten Objekts ausreichend genau rekonstruiert. Mit anderen Worten, das Verfahren funktioniert, jedoch sind dies lediglich Ergebnisse der Modellierung. Zur vollstĂ€ndigen Ăberzeugung in ihrem Vorgehen fĂŒhrten die Wissenschaftler eine Reihe praktischer Experimente durch.
Ergebnisse der Experimente
Einer der bedeutendsten Unterschiede zwischen der Modellierung und realen Experimenten ist die Umgebung, d.h. die Bedingungen, unter denen beide durchgefĂŒhrt werden. Im ersteren Fall gibt es kontrollierte Bedingungen, im letzteren â unvorhersehbare, d.h. wie es kommt.
Drei SpektralkanÀle mit einer Breite von 8-12 nm wurden betrachtet, die sich im Bereich von 450, 550 und 650 nm zentrieren und in Kombination mit verschiedenen relativen Werten ein breites Farbspektrum erzeugen.
Abbildung Nr. 4
Das obige Bild zeigt den Vergleich zwischen dem tatsĂ€chlichen Objekt (bunte Buchstabe âHâ) und dem rekonstruierten. Die Lichtbelichtungszeit (Belichtung, d.h. Exposition) wurde auf 1800 s festgelegt, was einen SNR im Bereich von 60-70 dB ermöglichte. Ein solcher SNR-Wert ist laut den Wissenschaftlern nicht extrem wichtig fĂŒr das Experiment, dient jedoch als zusĂ€tzliche BestĂ€tigung der FunktionsfĂ€higkeit ihrer Methode, insbesondere bei komplexen Objekten. In der RealitĂ€t, nicht in Laborbedingungen, könnte diese Methode deutlich schneller sein.
In der obersten Reihe des Bildes Nr. 4 wird das Objekt bei jeder WellenlÀnge (von links nach rechts) und das tatsÀchliche vollfarbige Objekt gezeigt.
Um in der Visualisierung ein Bild des tatsÀchlichen Objekts zu erhalten, wurde eine Machine Vision-Kamera mit den entsprechenden Bandfiltern verwendet, um die spektralen Komponenten direkt darzustellen und ein vollfarbiges Bild durch Summierung der resultierenden spektralen KanÀle zu erhalten.
Die zweite Reihe des obigen Bildes zeigt die Autokorrelationsmuster jedes rekonstruierten spektralen Kanals, die multiplexierte Messungen bilden, die Eingangsdaten fĂŒr die Datenverarbeitungsphase sind.
Die dritte Reihe ist ein rekonstruiertes Objekt in jedem spektralen Kanal sowie ein rekonstruiertes Vollfarbobjekt, d.h. das Endergebnis der Visualisierung.
Das Vollfarbbild zeigt, dass auch die relativen GröĂen zwischen den spektralen KanĂ€len korrekt sind, da die Farbe des kombinierten rekonstruierten Bildes dem tatsĂ€chlichen Wert entspricht und der SSIM-Wert fĂŒr jeden Kanal ĂŒber 0,92 liegt.
Die unterste Reihe bestĂ€rkt diese Aussage, indem sie den Vergleich der IntensitĂ€t des realen Objekts mit dem rekonstruierten zeigt. Die Daten beider stimmen in allen spektralen Bereichen ĂŒberein.
Daraus folgt, dass selbst das Vorhandensein von Rauschen und potenziellen Modellierungsfehlern nicht davon abgehalten hat, ein Bild von hoher QualitĂ€t zu erhalten, und die Ergebnisse der Experimente stimmten hervorragend mit den Ergebnissen der Modellierung ĂŒberein.
Das oben beschriebene Experiment wurde unter BerĂŒcksichtigung der getrennten spektralen KanĂ€le durchgefĂŒhrt. Die Wissenschaftler fĂŒhrten ein weiteres Experiment durch, jedoch mit angrenzenden KanĂ€len, genauer gesagt mit einem kontinuierlichen spektralen Bereich von 60 nm.
Abbildung Nr. 5
Als reales Objekt diente der Buchstabe âXâ und das Zeichen â+â (5Đ°). Das Spektrum des Buchstabens âXâ ist relativ gleichmĂ€Ăig und durchgĂ€ngig â zwischen 515 und 575 nm, wĂ€hrend das â+â ein strukturiertes Spektrum hat, das hauptsĂ€chlich zwischen 535 und 575 nm liegt (5b). FĂŒr dieses Experiment betrug die Belichtungszeit 120 s, um das gewĂŒnschte (wie zuvor) SNR von 70 dB zu erreichen.
Es wurde auch ein Bandpassfilter mit einer Breite von 60 nm ĂŒber dem gesamten Objekt und ein Tiefpassfilter ĂŒber dem Zeichen â+â verwendet. WĂ€hrend der Rekonstruktion wird das 60 nm-Spektrum in 6 angrenzende KanĂ€le mit einer Breite von 10 nm aufgeteilt (5b).
Wie wir an den Bildern sehen können, 5Ń, stimmen die resultierenden Bilder hervorragend mit dem realen Objekt ĂŒberein. Dieses Experiment hat gezeigt, dass das Vorhandensein oder Fehlen von spektralen Korrelationen im gemessenen Speckle keinen Einfluss auf die EffektivitĂ€t der untersuchten Visualisierungsmethode hat. Die Wissenschaftler sind der Meinung, dass nicht die spektralen Eigenschaften des Objekts, sondern vielmehr die Kalibrierung des Systems und die Details seines kodierenden Detektors eine viel wichtigere Rolle im Visualisierungsprozess, genauer gesagt in dessen Erfolg, spielen.
FĂŒr eine detailliertere Auseinandersetzung mit den Forschungsergebnissen empfehle ich einen Blick auf und dazu.
Epilog
In dieser Arbeit beschrieben die Wissenschaftler eine neue Methode der multispektralen Visualisierung durch einen Streuungskörper. Die Modulation des speckle, abhÀngig von der WellenlÀnge, mit Hilfe einer kodierenden Apertur ermöglichte eine multiplexierte Messung und die Berechnung des Speckles mithilfe des OMP-Algorithmus, der auf maschinellem Lernen basiert.
Anhand des mehrfarbigen Buchstabens âNâ zeigten die Wissenschaftler, dass die Fokussierung auf fĂŒnf spektralen KanĂ€len, die dem Violetten, GrĂŒnen und drei Rottönen entsprechen, eine Bildrekonstruktion ermöglicht, die alle Farben des Originals enthĂ€lt (Blau, Gelb usw.).
Laut den Forschern könnte ihre Methodik sowohl in der Medizin als auch in der Astronomie nĂŒtzlich sein. Farbe trĂ€gt in beiden Bereichen wichtige Informationen: In der Astronomie ĂŒber die chemische Zusammensetzung der untersuchten Objekte, in der Medizin ĂŒber die molekulare Zusammensetzung von Zellen und Geweben.
In dieser Phase weisen die Wissenschaftler nur auf ein Problem hin, das Ungenauigkeiten in der Visualisierung verursachen könnte, nĂ€mlich Modellsierungsfehler. Aufgrund der relativ langen Zeit, die fĂŒr den Prozess benötigt wird, können sich VerĂ€nderungen in der Umgebung ergeben, die nicht in der Vorbereitungsphase berĂŒcksichtigt werden. Es wird jedoch geplant, einen Weg zu finden, um dieses Problem zu mildern, was es ermöglichen wird, die beschriebene Visualisierungstechnik nicht nur genau, sondern auch unter allen Bedingungen stabil zu machen.
Freitags Off-Topic:
Licht, Farbe, Musik und das Trio der berĂŒhmtesten blauen âSchlĂŒmpfeâ der Welt (Blue Man Group).
Vielen Dank fĂŒr Ihre Aufmerksamkeit, bleiben Sie neugierig und haben Sie ein tolles Wochenende, Leute! đ
Danke, dass Sie bei uns sind. Gefallen Ihnen unsere Artikel? Möchten Sie mehr interessante Inhalte sehen? UnterstĂŒtzen Sie uns, indem Sie einen Auftrag erteilen oder uns Ihren Freunden empfehlen. 30% Rabatt fĂŒr Habr-Nutzer auf ein einzigartiges Entry-Level Server-Ăquivalent, das wir fĂŒr Sie entwickelt haben: (es sind Optionen mit RAID1 und RAID10 bis zu 24 Kernen und bis zu 40GB DDR4 verfĂŒgbar).
Dell R730xd zum halben Preis? Nur bei uns in den Niederlanden! Dell R420 â 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB â ab $99! Lesen Sie, wie
Quelle: habr.com
