实时机器学习增强的超光谱极极度测量成像通过编码的超表面成像
Lidan Zhang1, Chen Zhou1, Bofeng Liu1
1Department of Electrical Engineering, the Pennsylvania State University, University Park, PA 16802, United States.
Science advances
|September 4, 2024
概括
一个新的超表面和神经网络允许标准摄像机在一次拍摄中捕获详细的超光谱极极度图像. 这种紧的,具有成本效益的成像系统解锁了丰富的光场信息,以前传统相机无法获得这些信息.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算成像技术的成像
- 材料科学 材料科学 材料科学
背景情况:
- 标准摄像头只捕捉光强度,忽略光谱和偏振信息.
- 现有的高光谱和极度成像系统往往是重的,缓慢的和昂贵的.
- 多维光场分析对于各种科学和工业应用至关重要.
研究的目的:
- 开发一种紧且具有成本效益的系统,用于从单一快照中获取超光谱极极度图像.
- 为了使普通摄像机能够捕获丰富的光谱和极化数据.
- 为了克服传统的多维成像技术的局限性.
主要方法:
- 开发一个编码元表面的开发.
- 将元表面与神经网络集成.
- 使用标准相机进行单一快照图像采集.
- 对系统性能进行实验验证.
主要成果:
- 在单一快照中,通过广泛的光谱范围 (700-1150 nm) 精确解析全斯托克斯极化.
- 达到0.23nm的高光谱灵敏度.
- 证明了实时超光谱极极度度视频捕捉在每秒28.
- 超表面增强摄像头有效地利用多维光场信息.
结论:
- 开发的编码超表面和神经网络为高光谱极度成像提供了紧,快速和经济有效的解决方案.
- 这项技术显著提高了标准摄像机捕获复杂光场信息的能力.
- 该系统为各种领域的先进成像提供了新的可能性.
