Una de las habilidades más famosas de Superman es la supervisión, que le permitía mirar átomos, ver en la oscuridad y a grandes distancias, e incluso ver a través de objetos. Esta habilidad rara vez se muestra en la pantalla, pero existe. En nuestra realidad, también es posible ver a través de objetos casi completamente opacos utilizando algunos trucos científicos. Sin embargo, hasta hace poco las imágenes resultantes siempre eran en blanco y negro. Hoy veremos un estudio en el que científicos de la Universidad de Duke (EE. UU.) lograron tomar fotografías en color de objetos escondidos detrás de una pared opaca utilizando una sola exposición a la luz. ¿Qué es esta supertecnología, cómo funciona y en qué áreas se puede utilizar? El informe del grupo de investigación nos informará sobre esto. Ir.
Base de investigación
A pesar de todos los posibles beneficios de la tecnología para visualizar objetos en medios dispersos, existen varios problemas a la hora de implementar esta tecnología. El principal es el hecho de que las trayectorias de los fotones que pasan a través del dispersor cambian mucho, lo que conduce a patrones aleatorios. motas* Por otro lado.
Punto* es un patrón de interferencia aleatoria formado por la interferencia mutua de ondas coherentes que tienen cambios de fase aleatorios y/o un conjunto aleatorio de intensidad. La mayoría de las veces parece un conjunto de puntos claros (puntos) sobre un fondo oscuro.
En los últimos años, se han desarrollado varias técnicas de obtención de imágenes para evitar los efectos de dispersión y extraer información del objeto a partir del patrón de manchas. El problema con estas técnicas son sus limitaciones: es necesario tener cierto conocimiento sobre el objeto, tener acceso al medio u objeto de dispersión, etc.
Al mismo tiempo, según los científicos, existe un método mucho más avanzado: la visualización con efecto memoria (ME). Este método le permite visualizar un objeto sin conocimiento previo sobre sí mismo o el medio de dispersión. Todo el mundo tiene defectos, como sabemos, y el método ME no es una excepción. Para obtener patrones moteados de alto contraste y, en consecuencia, imágenes más precisas, la iluminación debe ser de banda estrecha, es decir, menos de 1 nm.
También es posible burlar las limitaciones del método ME, pero nuevamente estos trucos implican acceder a la fuente óptica u objeto antes que el difusor, o medir directamente PSF*.
PSF* - una función de dispersión puntual que describe la imagen que recibe el sistema de imágenes al observar una fuente de luz puntual o un objeto puntual.
Los investigadores consideran que estos métodos son viables, pero no perfectos, ya que la medición del PSF no siempre es posible debido, por ejemplo, a la dinámica del dispersor o a su inaccesibilidad antes del procedimiento de obtención de imágenes. En otras palabras, hay algo en lo que trabajar.
En su trabajo, los investigadores proponen un enfoque diferente. Nos muestran un método para realizar imágenes multiespectrales de objetos a través de un medio de dispersión utilizando una única medición de motas con una cámara monocromática. A diferencia de otras técnicas, esto no requiere conocimientos previos del sistema PSF ni del espectro fuente.
El nuevo método produce imágenes de alta calidad del objeto objetivo en cinco canales espectrales bien separados entre 450 nm y 750 nm, lo que fue confirmado mediante cálculos. En la práctica, hasta ahora ha sido posible visualizar tres canales espectrales bien separados entre 450 nm y 650 nm y seis canales espectrales adyacentes entre 515 y 575 nm.
Cómo funciona el nuevo método
Imagen No. 1: lámpara - modulador de luz espacial - difusor (con diafragma de iris) - apertura de codificación - prisma - relé óptico (visualización 1:1) - cámara monocromática.
Los investigadores señalan tres elementos básicos de cualquier imagen con difusor: el objeto de interés (iluminado externamente o autoluminoso), el difusor y el detector.
Como en los sistemas ME estándar, este estudio considera un objeto cuyo tamaño angular se encuentra dentro del campo de visión ME y a una distancia u detrás del difusor. Después de interactuar con el difusor, la luz recorre una distancia v antes de llegar al detector.
Las imágenes ME convencionales utilizan cámaras estándar, pero este método utiliza un módulo detector de codificación que consta de una apertura de codificación y un elemento óptico que depende de la longitud de onda. El propósito de este elemento es modular de forma única cada canal espectral antes de combinarlos y convertirlos en un detector monocromático.
Por lo tanto, en lugar de simplemente medir un moteado de bajo contraste cuyos canales espectrales están inextricablemente mezclados, se registró una señal espectralmente multiplexada, que es muy adecuada para la separación.
Los investigadores destacan una vez más que su método no requiere ninguna característica o suposición previa sobre el difusor o la fuente de luz.
Después de realizar mediciones preliminares del moteado multiplexado, se utilizó el valor conocido de Tλ (patrón de codificación dependiente de la longitud de onda) para reconstruir individualmente el moteado en cada banda espectral.
En su trabajo, en la etapa de cálculo y modelado, los científicos utilizaron ciertos métodos de aprendizaje automático que pueden ayudar en la implementación de un método previamente no considerado. En primer lugar, se utilizó el aprendizaje de características de matriz dispersa para representar el moteado.
Aprendizaje de funciones* — permite que el sistema encuentre automáticamente las representaciones necesarias para identificar características de los datos de origen.
El resultado fue una base de datos entrenada con imágenes moteadas de varias configuraciones de medición. Esta base es bastante generalizada y no depende de objetos y dispersores específicos que participen en la generación de la máscara Iλx, y. En otras palabras, el sistema se entrena en base a un difusor que no se utiliza en la configuración experimental, es decir el sistema no tiene acceso a él, como querían los investigadores.
Se utilizó el algoritmo OMP para obtener imágenes moteadas en cada longitud de onda (búsqueda de coincidencia ortogonal).
Finalmente, calculando la autocorrelación de cada canal espectral de forma independiente e invirtiendo la autocorrelación en cada longitud de onda, se obtuvieron imágenes del objeto. Las imágenes resultantes en cada longitud de onda se combinan para crear una imagen en color del objeto.
Imagen No. 2: el proceso paso a paso de componer una imagen de un objeto.
Esta técnica, según sus creadores, no hace suposiciones sobre las correlaciones entre canales espectrales y sólo requiere la suposición de que el valor de la longitud de onda es bastante aleatorio. Además, este método solo requiere información sobre el detector de codificación, basándose en la calibración previa de la apertura de codificación y una biblioteca de datos previamente entrenada. Estas características hacen que este método de imagen sea muy versátil y no invasivo.
Resultados de la simulación
Primero, veamos los resultados de la simulación.
Imagen #3
La imagen de arriba muestra ejemplos de una imagen multiespectral de dos objetos tomadas a través de un difusor. Fila superior en 3a contiene un objeto de interés que consta de varios números, mostrados en color falso y desglosados por canal espectral. Al trazar un objeto en color falso, el perfil de intensidad de cada longitud de onda se muestra en el espacio RGB CIE 1931.
Objeto reconstruido (fila inferior en 3a) tanto en color falso como en términos de canales espectrales individuales, demuestra que la técnica proporciona una visualización excelente y sólo una pequeña diafonía entre canales espectrales, lo que no juega un papel especial en el proceso.
Después de recibir el objeto reconstruido, es decir. Después del renderizado, fue necesario evaluar el grado de precisión comparando la intensidad espectral (promediada de todos los píxeles brillantes) del objeto real y el reconstruido (3b).
en las imagenes 3c muestra un objeto real (fila superior) y una imagen reconstruida (fila inferior) de una célula madre de algodón, y en 3d Se muestra un análisis de la precisión de la visualización.
Para evaluar la precisión de las imágenes, fue necesario calcular los valores del índice de similitud estructural (SSIM) y la relación señal-ruido máxima (pSNR) del objeto real para cada canal espectral.
La tabla anterior muestra que cada uno de los cinco canales tiene un coeficiente SSIM de 0,8 a 0,9 y un PSNR de más de 20. De ello se deduce que, a pesar del bajo contraste de la señal moteada, la superposición de cinco bandas espectrales con un ancho de 10 nm en el detector permite una reconstrucción bastante precisa de las propiedades espacial-espectrales del objeto que se está estudiando. En otras palabras, la técnica funciona, pero estos son sólo resultados de simulación. Para ganar plena confianza en su trabajo, los científicos llevaron a cabo una serie de experimentos prácticos.
Resultados del experimento
Una de las diferencias más significativas entre la simulación y los experimentos reales es el entorno, es decir. condiciones en las que ambas se llevan a cabo. En el primer caso existen condiciones controladas, en el segundo hay condiciones impredecibles, es decir veremos cómo va.
Se consideraron tres canales espectrales con un ancho de 8 a 12 nm centrados en 450, 550 y 650 nm, que al combinarse con diferentes magnitudes relativas generan una amplia gama de colores.
Imagen #4
La imagen de arriba muestra una comparación entre el objeto real (la "H" multicolor) y el reconstruido. El tiempo de exposición a la luz (velocidad de obturación, es decir, exposición) se estableció en 1800 s, lo que permitió obtener una SNR en el rango de 60-70 dB. Este indicador SNR, según los científicos, no es extremadamente importante para el experimento, pero sirve como confirmación adicional del rendimiento de su técnica, especialmente en el caso de objetos complejos. En realidad, y no en condiciones de laboratorio, este método puede ser un orden de magnitud más rápido.
La fila superior de la imagen n.° 4 muestra el objeto en cada longitud de onda (de izquierda a derecha) y el objeto real a todo color.
Para obtener una imagen del objeto real como resultado de la obtención de imágenes, se utilizó una cámara de visión por computadora con filtros de paso de banda apropiados para visualizar directamente los componentes espectrales y obtener una imagen a todo color sumando los canales espectrales resultantes.
La segunda fila de la imagen de arriba muestra los patrones de autocorrelación de cada canal espectral reconstruido que forma las mediciones multiplexadas que son la entrada a la etapa de procesamiento de datos.
La tercera fila es el objeto reconstruido en cada canal espectral, así como el objeto reconstruido a todo color, es decir. resultado final de la visualización.
La imagen a todo color muestra que las magnitudes relativas entre canales espectrales también son correctas, ya que el color de la imagen reconstruida combinada coincide con el valor real y el coeficiente SSIM alcanza más de 0,92 para cada canal.
La fila inferior confirma esta afirmación, mostrando una comparación de la intensidad del objeto real y el reconstruido. Los datos de ambos coinciden en todos los rangos espectrales.
De esto se deduce que incluso la presencia de ruido y posibles errores de modelado no nos impidieron obtener una imagen de alta calidad, y los resultados experimentales se correlacionaron bien con los resultados del modelado.
El experimento descrito anteriormente se llevó a cabo teniendo en cuenta canales espectrales separados. Los científicos realizaron otro experimento, pero esta vez con canales adyacentes, o más bien con un rango espectral continuo de 60 nm.
Imagen #5
El objeto real era la letra “X” y el signo “+” (5a). El espectro de la letra "X" es relativamente uniforme y continuo, entre 515 y 575 nm, pero el "+" tiene un espectro estructurado, ubicado principalmente entre 535 y 575 nm (5b). Para este experimento, la exposición fue de 120 s para lograr la SNR deseada (como antes) de 70 dB.
También se utilizó un filtro de paso de banda de 60 nm de ancho sobre todo el objeto y un filtro de paso bajo sobre el signo "+". Durante la reconstrucción, el espectro de 60 nm se divide en 6 canales adyacentes con un ancho de 10 nm (5b).
Como podemos ver en las imágenes. 5с, las imágenes resultantes concuerdan perfectamente con el objeto real. Este experimento demostró que la presencia o ausencia de correlaciones espectrales en el speckle medido no afecta la efectividad de la técnica de imagen en estudio. Los propios científicos creen que un papel mucho más importante en el proceso de visualización, o más bien en su éxito, no lo desempeñan tanto las características espectrales del objeto como la calibración del sistema y los detalles de su detector de codificación.
Para obtener información más detallada sobre los matices del estudio, recomiendo consultar и a él.
El acto final
En este trabajo, los científicos describieron un nuevo método de obtención de imágenes multiespectrales a través de un difusor. La modulación de moteado dependiente de la longitud de onda utilizando una apertura de codificación permitió una única medición multiplexada y un cálculo de moteado mediante un algoritmo OMP basado en aprendizaje automático.
Utilizando como ejemplo la letra multicolor “H”, los científicos demostraron que centrándose en cinco canales espectrales correspondientes al violeta, al verde y a tres tonos de rojo se puede obtener una reconstrucción de la imagen que contiene todos los colores del original (azul, amarillo, etcétera).
Según los investigadores, su técnica puede resultar útil tanto en medicina como en astronomía. El color transmite información importante en ambas direcciones: en astronomía, la composición química de los objetos en estudio, en medicina, la composición molecular de las células y tejidos.
En esta etapa, los científicos sólo notan un problema que puede causar imprecisiones en la visualización: errores de modelado. Debido al tiempo bastante largo que se requiere para completar el proceso, pueden ocurrir cambios en el entorno que introducirán ajustes que no se tuvieron en cuenta en la etapa de preparación. Sin embargo, en el futuro planeamos encontrar una manera de mitigar este problema, lo que hará que la técnica de imagen descrita no sólo sea precisa, sino también estable en cualquier condición.
Viernes fuera de la cima:
Luces, color, música y un trío de los bichos raros azules más famosos del mundo (Blue Man Group).
¡Gracias por leer, mantén la curiosidad y que tengas un excelente fin de semana, muchachos! 🙂
Gracias por estar con nosotros. ¿Te gustan nuestros artículos? ¿Quieres ver más contenido interesante? Apóyanos haciendo un pedido o recomendándonos a amigos, 30% de descuento para usuarios de Habr en un análogo único de servidores de nivel de entrada, que fue inventado por nosotros para usted: (disponible con RAID1 y RAID10, hasta 24 núcleos y hasta 40GB DDR4).
Dell R730xd 2 veces más barato? Solo aqui ¡en los Paises Bajos! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - ¡desde $99! Leer acerca de
Fuente: habr.com