Superman egyik leghíresebb képessége a szuperlátás, amely lehetővé tette számára, hogy atomokat nézzen, sötétben és nagy távolságra is lásson, sőt tárgyakon is átláthasson. Ez a képesség rendkívül ritkán jelenik meg a képernyőn, de létezik. Valóságunkban bizonyos tudományos trükkök segítségével szinte teljesen átlátszatlan tárgyakon is átláthatunk. A kapott képek azonban a közelmúltig mindig fekete-fehérek voltak. Ma egy tanulmányt nézünk meg, amelyben a Duke Egyetem (USA) tudósai egyetlen fényexpozícióval színes fényképet tudtak készíteni egy átlátszatlan fal mögé rejtett tárgyakról. Mi ez a szuper technológia, hogyan működik és milyen területeken használható? Erről a kutatócsoport beszámolója fog mesélni. Megy.
Kutatási alap
A szórt médiában lévő objektumok megjelenítésére szolgáló technológia minden lehetséges előnye ellenére számos probléma adódik ennek a technológiának a megvalósítása során. A fő az a tény, hogy a szórón áthaladó fotonok útja nagymértékben megváltozik, ami véletlenszerű mintázatokhoz vezet foltok* a másik oldalon.
Petty* egy véletlenszerű interferencia-minta, amelyet véletlenszerű fáziseltolódásokkal és/vagy véletlenszerű intenzitáskészlettel rendelkező koherens hullámok kölcsönös interferenciája alkot. Leggyakrabban világos foltok (pontok) halmazának tűnik sötét háttéren.
Az elmúlt években számos képalkotó technikát fejlesztettek ki a szórási hatások megkerülésére és az objektuminformációk kinyerésére a foltmintából. A probléma ezekkel a technikákkal a korlátaikban rejlik – bizonyos ismeretekkel kell rendelkeznie az objektumról, hozzá kell férnie a szóróközeghez vagy tárgyhoz stb.
Ugyanakkor van egy sokkal fejlettebb módszer a tudósok szerint - a vizualizáció memóriaeffektussal (ME). Ez a módszer lehetővé teszi egy objektum megjelenítését anélkül, hogy előzetesen ismerné önmagát vagy a szóróközeget. Mindenkinek vannak hiányosságai, mint tudjuk, ez alól az ME módszer sem kivétel. A nagy kontrasztú foltmintázatok és ennek megfelelően pontosabb képek eléréséhez a világításnak keskeny sávúnak kell lennie, pl. kisebb, mint 1 nm.
Az ME módszer korlátait is kijátszhatjuk, de ezek a trükkök ismét az optikai forráshoz vagy tárgyhoz való hozzáférést jelentik a diffúzor előtt, vagy közvetlen mérést. PSF*.
PSF* - egy pontterítési funkció, amely leírja azt a képet, amelyet a képalkotó rendszer kap egy pontszerű fényforrás vagy egy pontszerű objektum megfigyelésekor.
A kutatók ezeket a módszereket működőképesnek, de nem tökéletesnek nevezik, mivel a PSF mérés nem mindig lehetséges például a szórás dinamikája vagy a képalkotó eljárás előtti hozzáférhetetlensége miatt. Más szóval, van min dolgozni.
Munkájukban a kutatók más megközelítést javasolnak. Egy módszert mutatnak be tárgyak multispektrális leképezésének megvalósítására szóróközegen keresztül, monokróm kamerával végzett egyetlen foltméréssel. Más technikákkal ellentétben ehhez nem szükséges a PSF-rendszer vagy a forrásspektrum előzetes ismerete.
Az új módszerrel öt, egymástól jól elkülöníthető spektrális csatornában, 450 nm és 750 nm között jó minőségű képeket készítenek a célobjektumról, amit számítások is alátámasztanak. A gyakorlatban eddig három, egymástól jól elkülönülő spektrális csatornát sikerült megjeleníteni 450 nm és 650 nm között, és hat szomszédos spektrális csatornát 515 és 575 nm között.
Hogyan működik az új módszer
1. számú kép: lámpa - térbeli fénymodulátor - diffúzor (írisz diafragmával) - kódoló apertúra - prizma - optikai relé (1:1 megjelenítés) - monokróm kamera.
A kutatók minden diffúzoros képalkotás három alapvető elemét jegyzik meg: a vizsgált tárgyat (külsőleg megvilágított vagy önvilágító), a diffúzort és a detektort.
A szabványos ME-rendszerekhez hasonlóan ez a tanulmány olyan tárgyat vesz figyelembe, amelynek szögmérete az ME látómezőn belül és a diffúzor mögött u távolságra helyezkedik el. A diffúzorral való kölcsönhatás után a fény egy v távolságot tesz meg, mielőtt elérné a detektort.
A hagyományos ME képalkotás szabványos kamerákat használ, de ez a módszer egy kódoló detektor modult használ, amely egy kódoló apertúrából és egy hullámhossz-függő optikai elemből áll. Ennek az elemnek az a célja, hogy minden egyes spektrális csatornát egyedileg moduláljon, mielőtt kombinálná és monokróm detektorrá alakítaná őket.
Így ahelyett, hogy egyszerűen megmérnénk azokat az alacsony kontrasztú foltokat, amelyek spektrális csatornái elválaszthatatlanul keveredtek, egy spektrálisan multiplexelt jelet vettünk fel, amely kiválóan alkalmas elválasztásra.
A kutatók ismét hangsúlyozzák, hogy módszerük nem igényel előre ismert jellemzőket vagy feltételezéseket a diffúzorral vagy a fényforrással kapcsolatban.
A multiplex foltok előzetes méréseit követően a Tλ (hullámhossz-függő kódolási mintázat) ismert értékét használták fel az egyes spektrális sávokban lévő foltok egyedi rekonstruálására.
Munkájuk során a számítások és a modellezés szakaszában a tudósok bizonyos gépi tanulási módszereket alkalmaztak, amelyek segíthetnek egy korábban átgondolatlan módszer megvalósításában. Először a ritka mátrix jellemző tanulását használtuk a foltok ábrázolására.
Funkció tanulás* — lehetővé teszi a rendszer számára, hogy automatikusan megtalálja a forrásadatok jellemzőinek azonosításához szükséges reprezentációkat.
Az eredmény egy adatbázis volt, amelyet különféle mérési konfigurációkból származó foltképekre képeztek ki. Ez az alap meglehetősen általános, és nem függ az Iλx, y maszk generálásában részt vevő konkrét objektumoktól és szóróktól. Más szóval, a rendszert a kísérleti konfigurációban nem használt diffúzor alapján képezik ki, pl. a rendszer nem fér hozzá, ahogy a kutatók akarták.
Az OMP algoritmust használták a foltos képek előállításához minden hullámhosszon (ortogonális illesztési törekvés).
Végül az egyes spektrális csatornák autokorrelációjának független kiszámításával és az autokorreláció minden hullámhosszon történő megfordításával képeket kaptunk az objektumról. Az eredményül kapott képeket az egyes hullámhosszakon egyesítik, hogy létrehozzák az objektum színes képét.
2. számú kép: egy tárgy képének elkészítésének lépésről lépésre történő folyamata.
Ez a technika a megalkotói szerint nem tesz feltételezéseket a spektrális csatornák közötti összefüggésekről, és csak azt a feltételezést követeli meg, hogy a hullámhosszérték meglehetősen véletlenszerű. Ezenkívül ez a módszer csak a kódoló detektorra vonatkozó információkat igényel, a kódoló apertúra előzetes kalibrálására és egy előre betanított adatkönyvtárra támaszkodva. Ezek a jellemzők teszik ezt a képalkotó módszert rendkívül sokoldalúvá és non-invazívvá.
Szimulációs eredmények
Először nézzük meg a szimuláció eredményeit.
3. kép
A fenti kép példákat mutat be két objektum multispektrális képére, amelyet diffúzoron keresztül készítettünk. Felső sor tovább 3a több számból álló érdekes objektumot tartalmaz, amelyek hamis színben jelennek meg és spektrális csatornákra lebontva. Ha egy objektumot hamis színnel ábrázol, az egyes hullámhosszok intenzitásprofilja a CIE 1931 RGB térben jelenik meg.
Rekonstruált objektum (az alsó sor tovább 3a) mind hamis színben, mind az egyes spektrális csatornák tekintetében azt mutatja, hogy a technika kiváló vizualizációt és csak csekély áthallást biztosít a spektrális csatornák között, ami nem játszik különösebb szerepet a folyamatban.
A rekonstruált objektum átvétele után, i.e. A renderelés után ki kellett értékelni a pontosság mértékét a valós és a rekonstruált objektum spektrális intenzitásának (minden fényes pixelre átlagolva) összehasonlításával (3b).
A képeken 3c egy valódi objektumot (felső sor) és egy rekonstruált képet (alsó sor) mutat egy pamut őssejthez, és 3d a vizualizáció pontosságának elemzése látható.
A képalkotás pontosságának értékeléséhez minden spektrális csatornára ki kellett számítani a strukturális hasonlósági index (SSIM) értékeit és a valós objektum csúcsjel-zaj arányát (pSNR).
A fenti táblázat azt mutatja, hogy mind az öt csatorna SSIM-együtthatója 0,8–0,9, a PSNR pedig több mint 20. Ebből következik, hogy a foltjel alacsony kontrasztja ellenére öt 10 nm széles spektrumsáv szuperpozíciója. a detektoron lehetővé teszi a vizsgált objektum térbeli-spektrális tulajdonságainak meglehetősen pontos rekonstrukcióját. Más szóval, a technika működik, de ezek csak szimulációs eredmények. A munkájukba vetett teljes bizalom megszerzése érdekében a tudósok gyakorlati kísérletek sorozatát végezték el.
Kísérleti eredmények
Az egyik leglényegesebb különbség a szimuláció és a valós kísérletek között a környezet, i.e. feltételek, amelyek között mindkettőt elvégzik. Az első esetben szabályozott körülmények vannak, a másodikban előre nem látható körülmények, pl. meglátjuk, hogy megy.
Három, 8, 12 és 450 nm-es középpontú, 550-650 nm széles spektrumcsatornát vettek figyelembe, amelyek különböző relatív nagyságokkal kombinálva széles színtartományt generálnak.
4. kép
A fenti kép a valós objektum (a többszínű "H") és a rekonstruált objektum összehasonlítását mutatja. A fényexpozíciós időt (záridőt, azaz expozíciót) 1800 s-ra állítottuk be, ami lehetővé tette a 60-70 dB tartományba eső SNR elérését. Ez az SNR-mutató a tudósok szerint nem rendkívül fontos a kísérlet szempontjából, de további megerősítésként szolgál technikájuk teljesítményéről, különösen összetett objektumok esetén. A valóságban, és nem laboratóriumi körülmények között, ez a módszer egy nagyságrenddel gyorsabb is lehet.
A 4. kép felső sora az objektumot minden hullámhosszon (balról jobbra) és a tényleges teljes színű objektumot mutatja.
Ahhoz, hogy a képalkotás eredményeként képet kapjunk a valós objektumról, számítógépes látókamerát használtak megfelelő sávszűrőkkel, hogy közvetlenül leképezzék a spektrális komponenseket, és a kapott spektrális csatornák összegzésével teljes színű képet kapjanak.
A fenti kép második sora az egyes rekonstruált spektrális csatornák autokorrelációs mintázatait mutatja, amelyek az adatfeldolgozási szakasz bemenetét képező multiplex méréseket képezik.
A harmadik sor az egyes spektrális csatornákban található rekonstruált objektum, valamint a rekonstruált színes objektum, azaz. végső vizualizációs eredmény.
A színes képen látható, hogy a spektrális csatornák közötti relatív nagyságok is helyesek, mivel a kombinált rekonstruált kép színe megegyezik a valós értékkel, és az SSIM együttható csatornánként eléri a 0,92-t.
Az alsó sor megerősíti ezt az állítást, a valós és a rekonstruált objektum intenzitásának összehasonlítását mutatja. Mindkettő adatai egybeesnek minden spektrális tartományban.
Ebből az következik, hogy a zaj és az esetleges modellezési hibák jelenléte sem akadályozott meg abban, hogy jó minőségű képet kapjunk, és a kísérleti eredmények jól korreláltak a modellezési eredményekkel.
A fent leírt kísérletet elválasztott spektrális csatornák figyelembevételével végeztük. A tudósok egy másik kísérletet is végeztek, de ezúttal szomszédos csatornákkal, vagy inkább 60 nm-es folytonos spektrális tartománnyal.
5. kép
A valódi tárgy az „X” betű és a „+” jel volt (5a). Az "X" betű spektruma viszonylag egyenletes és folytonos - 515 és 575 nm között van, de a "+" strukturált spektrummal rendelkezik, főleg 535 és 575 nm között.5b). Ebben a kísérletben az expozíció 120 másodperc volt, hogy elérjük a kívánt (mint korábban) 70 dB SNR-t.
A teljes objektumon egy 60 nm széles sávszűrőt, a „+” jel fölött pedig egy aluláteresztő szűrőt használtak. A rekonstrukció során a 60 nm-es spektrumot 6 szomszédos, 10 nm széles csatornára osztják (5b).
Ahogy a képekből is láthatjuk 5s, a kapott képek kiváló összhangban vannak a valós tárggyal. Ez a kísérlet azt mutatta, hogy a spektrális korrelációk jelenléte vagy hiánya a mért foltban nem befolyásolja a vizsgált képalkotó technika hatékonyságát. Maguk a tudósok úgy vélik, hogy a vizualizációs folyamatban, vagy inkább annak sikerében, nem annyira az objektum spektrális jellemzői, mint inkább a rendszer kalibrálása és a kódoló detektor részletei játszanak szerepet.
A tanulmány árnyalatainak részletesebb áttekintéséhez javaslom, hogy tekintsenek át и neki.
Epilógus
Ebben a munkában a tudósok egy diffúzoron keresztül történő multispektrális képalkotás új módszerét írták le. A hullámhossz-függő foltmoduláció kódoló apertúrával lehetővé tette az egyetlen multiplex mérést és a foltszámítást gépi tanuláson alapuló OMP algoritmus segítségével.
A többszínű „H” betűt példaként használva a tudósok kimutatták, hogy az ibolya, a zöld és a piros három árnyalatának megfelelő öt spektrális csatornára fókuszálva az eredeti kép összes színét tartalmazó rekonstrukciót kaphatunk (kék, sárga stb.).
A kutatók szerint technikájuk az orvostudományban és a csillagászatban egyaránt hasznos lehet. A szín mindkét irányban fontos információkat hordoz: a csillagászatban - a vizsgált tárgyak kémiai összetétele, az orvostudományban - a sejtek és szövetek molekuláris összetétele.
Ebben a szakaszban a tudósok egyetlen olyan problémát jegyeznek meg, amely a vizualizációs pontatlanságokat okozhatja: a modellezési hibákat. A folyamat befejezéséhez szükséges meglehetősen hosszú idő miatt a környezetben olyan változások következhetnek be, amelyek olyan kiigazításokat vezetnek be, amelyeket az előkészítés szakaszában nem vettek figyelembe. A jövőben azonban azt tervezzük, hogy ennek a problémának a mérséklésére olyan megoldást találunk, amely a leírt képalkotó technikát nemcsak pontossá, hanem bármilyen körülmények között stabillá teszi.
péntek off-top:
Fények, színek, zene és a világ leghíresebb kék furcsaságaiból álló trió (Blue Man Group).
Köszönöm, hogy elolvastátok, maradjatok kíváncsiak, és kellemes hétvégét nektek! 🙂
Köszönjük, hogy velünk tartott. Tetszenek cikkeink? További érdekes tartalmakat szeretne látni? Támogass minket rendeléssel vagy ajánlj ismerőseidnek, 30% kedvezmény a Habr felhasználóknak a belépő szintű szerverek egyedülálló analógjára, amelyet mi találtunk ki Önnek: (RAID1 és RAID10, akár 24 maggal és akár 40 GB DDR4-gyel is elérhető).
Dell R730xd kétszer olcsóbb? Csak itt Hollandiában! Dell R420 - 2x E5-2430 2.2 Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - 99 dollártól! Olvasni valamiről
Forrás: will.com