北理工團隊在計算成像研究方面取得重要進展
近日🧑🎄，意昂3官网物理學院鄭寧教授團隊和北京環境特性研究所的李糧生研究員團隊，在《Nature Communications》發表題為 “Computational imaging of moving objects obscured by a random corridor via speckle correlations” 的文章🚴🏽♂️。團隊提出了一種新型的散斑關聯方法，實現了對隨機走廊（包含隨機介質的曲折走廊）中隱藏目標的成像，同時定量分析了該方法的成像適用範圍。意昂3官网的博士研究生石天為論文的第一作者，鄭寧教授和李糧生研究員為論文的共同通訊作者。論文的合作者包括意昂3官网的史慶藩教授🌕，北京環境特性研究所的工作人員蔡禾和朱先立🧙🏿♂️。
由於可重構相機視線外隱藏目標圖像的能力🕛，非視域成像和散射成像等計算成像方法吸引了越來越多的關註。這些計算成像方法的潛在應用領域包括機器人視覺🎡🥂、自動駕駛👭🏼🌑、災害救援和醫學成像等。在以往典型成像場景中🚶♂️，非視域成像利用中繼面漫反射光的時空信息，反投影、光錐變換、相量場、計算潛望和空間相幹分析等非視域方法能夠重構出拐角後隱藏目標的圖像。而基於散斑關聯💮、波前整形和散斑反卷積等散射成像方法可實現對隨機介質後和走廊拐角後的目標成像。但在面對大厚度🧍♂️🍥、不規則形狀隨機介質與多個拐角的聯合幹擾遮蔽下的計算成像，現有散射成像與非視域成像技術基本失效。上述這類強散射復雜幹擾環境，被命名為“隨機走廊”，是一種包含隨機介質的曲折走廊，通常存在於多塵礦井𓀘💭、煙霧彌漫的通風管道𓀒、建築走廊等救援場景中。對隨機走廊遮蔽目標的計算成像不僅可以極大提高救援效率，還可以保護救援工作人員的人身安全，減少不必要的損失🐙。
本文中🧔🏼，作者提出了一種約化空間系綜散斑光強關聯（reduced spatial- and ensemble-speckle intensity correlation, RSESIC）方法👳🏽♂️，用來成像被隨機走廊所遮蔽的隱藏運動物體。實驗結果表明，無論目標位於隨機走廊的一個或兩個拐角之後，該方法均可以利用一臺普通的家庭數碼相機🤹🏽♀️，以亞毫米分辨率重建出厘米尺度隱藏目標的清晰圖像🈚️。作者進而定義了一個關聯保真度（correlation fidelity , CF）用來描述成像系統的性能，研究了子空間邊長、相機像素數和像素散斑尺寸比這三個系統參數對成像性能的影響。如果這些參數選擇不當𓀘，CF會退化甚至無法接受💅，最終導致計算成像失敗👏🏿。通過研究🍪，作者給出了RSESIC方法能正確成像隱藏目標的系統參數範圍。同時還研究了散斑光強功率衰減引起的CF退化。基於實驗和理論分析，作者證明了在額外的關聯重整化之後🦦🧝🏼♂️，隱藏目標的圖像仍然可以被正確重建。
本文結果為非視域成像和散射成像的研究提供了新的思路和見解，相關工作發表在Nature Communications 13, 4081(2022)。該工作得到中國國家自然科學基金（11974044）和中國國家重點研究發展計劃（2016YFC1401001）等項目的支持。
實驗研究了當目標位於隨機走廊的一個拐角和兩個拐角後🧑🦼➡️，RSESIC方法的成像表現。圖1和圖2中分別展示了兩種情況下的實驗成像系統原理圖和隱藏目標圖像的重構結果。
圖1 成像位於隨機走廊一個拐角後的隱藏目標。a 實驗成像系統原理圖💨。b 激光散斑光強照片子空間約化示意圖。c,f 散斑光強關聯函數。d,g 重建出的隱藏目標圖像💂🏿。e,h 隱藏目標實物照片。
圖2 成像位於隨機走廊兩個拐角後的隱藏目標。a 實驗成像系統原理圖。b 隱藏目標自關聯函數、散斑光強關聯函數😀、重整化散斑光強關聯函數三者的對比。c 重整化散斑光強關聯函數✭。d 由重整化散斑光強關聯函數重建出的隱藏目標圖像。