相关实验视频
Updated: Jul 25, 2026
11:23
Lensless Fluorescent Microscopy on a Chip
Published on: August 17, 2011
17.7K
双通道可切换的超表面过器,用于用深度压缩重建进行紧光谱成像
Chang Wang1, Xinyu Liu1, Yang Zhang1
1College of Optical Science and Engineering, Zhejiang University, Hangzhou 310027, China.
Nanomaterials (Basel, Switzerland)
|November 10, 2023
概括
本研究介绍了一种使用元表面和深度学习的紧型超光谱成像系统,用于更快,更高质量的光谱数据重建. 这种新的方法克服了传统系统的局限性,实现了先进的应用.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 传统的光谱成像系统受到缓慢的采集速度和大形状因子的限制.
- 光学超表面为先进的光学元件提供了小型化潜力.
- 超光谱成像 (HSI) 需要高效和紧的解决方案,以便广泛采用.
研究的目的:
- 开发一个紧的快照压缩光谱成像 (SCSI) 系统.
- 为了利用超表面光谱调制来增强波长编码.
- 利用深度学习进行快速和高质量的光谱数据立方体重建.
主要方法:
- 双通道可切换的地表过器与扭曲的阴性液晶 (TNLC) 和TiO2纳米结构的集成.
- 使用TNLC用于宽带线性偏振转换,在x和y偏振状态之间切换.
- 使用端到端的残余神经网络 (ResNet) 来从2快照测量中进行光谱数据立方体重建.
主要成果:
- 拟议的系统通过将薄型超表面过器紧密连接到图像传感器,从而实现了紧的形状因子.
- 与其他SCSI技术相比,双通道的超表面过器可以为波长编码提供更丰富的光谱信息.
- 基于ResNet的重建显示出优越的质量和速度,超过传统的压缩传感方法.
结论:
- 开发的紧型SCSI系统在传统的高光谱成像技术上提供了显著的进步.
- 这项技术有望对物体检测,人脸识别,食品安全和生物医学成像等领域产生重大影响.
- 超表面和深度学习的结合为下一代紧型高光谱成像解决方案铺平了道路.
