前沿 | 自匹配光源编码的散射介质信息传递微通道

研究背景

      日常生活中，成像是我们获取信息的主要手段之一。作为一门古老的学科，光学成像经历上千年的发展，出现了几何成像、相干衍射成像、量子成像、计算成像等分支。成像的分辨率越来越高，应用的模式和场景也不断增加。目前为止，光学成像的实际应用都集中在自由空间、透明介质或者弱散射环境下，云、雾、浑浊溶液、生物组织等散射介质仍然是光学成像难以逾越的障碍。数十年以来，科研人员尝试了诸多方法克服散射对光学成像的影响，发展出了光学相位共轭、波前整形、散射矩阵测量、点扩散函数（PSF）卷积、散斑自相关等方法，各类辅助算法也蓬勃发展。但成像所能提升的透视能力并没有质的飞跃，大多仍然停留在对薄的散射介质进行原理演示验证的层面。另一方面，广泛存在的散射现象对交通、遥感、医疗、科研等社会活动的方方面面造成严重制约，亟待增进了解和消除或者解决。

论文导读

      成像的本质是信息的传递，信息论研究的是一维时间信息的传递，而成像是二维信息从物面传递到像面。信息传递的要素包括信源、信道和信宿，分别对应于目标物、成像光学系统、探测和图像重建系统。以透镜成像系统为例，信源是物面上的图案，像面对应着信宿，信道则是物面和像面之间的自由空间及透镜所组成的结构和通道。在这样的模式中，物面和像面之间是点到点的映射关系，成像系统提供了映射通道。在相干\非相干照明下，信息对应于波前\光强分布，而波前\光强分布在系统中传递的过程可以被准确描述。换句话说，信道的结构和传输特性已知，其中成像质量，如视场和分辨率等，决定于信道特性。因而，了解和优化信道是提升成像能力的关键。在透过散射介质成像场景下，散射介质构成了信息传递的通道（也即信道），但由于光在散射介质内传播过程由于大量的散射难以描述，信道的结构和特性未知，一般被视为“黑匣子”。要从根本上解决和优化透散射介质成像问题，就必须要想办法了解甚至打开这个“黑匣子”。

主要研究内容

      散射介质是复杂的系统，光在其间传播的具体物理过程难以用简单的物理或数学模型描述，一直以来缺乏有效的研究工具。尽管如此，对于一个复杂系统，采集的大量数据隐含着其内在物理规律。深度学习不需要（或者称之为淡化）物理建模，但网络充分训练后会反映相应的规律。利用这一特性，本研究将深度学习作为图像提取的工具以及判断像面有无包含信源信息的标准。实验中，我们比较了非相干和相干两种照明模式下，散射介质和大口径光阑分别作为信息传递通道时（非相干光+毛玻璃，相干光+毛玻璃，非相干光+光阑，相干光+光阑）的成像特性，反映信息传递的效果。足够多的训练数据确保深度学习能够充分提取采集图案所包含的全部信息。

      在光阑和毛玻璃对比实验的基础上，为了进一步验证我们的假说（毛玻璃高度起伏的随机相位分布形成的微结构可构成新的信道，使得在非相干照明下也能传递物体信息），我们进一步设计了不同的周期相位光栅，然后在非相干照明下比较它们和毛玻璃信道传递信息的效果差异。同时，为排除可能存在的干扰因素，检验实验结果的可靠性，在实验的基础上我们也进行了对应的模拟研究。

技术突破

      通过实验和模拟研究我们首次发现散射介质内存在不同的微信道，并且随着信源编码方式的改变（本研究通过照明方式改变），散射介质可以自动切换信道。

      在相干照明下，光阑内的整个平面构成一个整体信道，信息能够透过这个信道传递到像面进而被深度学习网络或者其他方法所提取。这种情况下，像面上相机或者人员观察到的是目标物的菲涅尔衍射花样。非相干照明下，像面上是均匀的照明亮斑，不包含任何内部结构图案。通过深度学习也无法重建物体图像，证明像面上确实没有包含有效信息。这意味着在非相干照明下，光阑信道无法传递信息。这个现象不难理解：非相干照明可以角谱展开，每一个角谱分量都会产生对应菲涅尔花样，而展开的光角谱分布是均匀连续的，对应于菲涅尔花样连续扫描，因而整个像面分布被抹平，没有残余有效信息。从信息论的角度来说，相干（频域简单编码）和非相干照明（频域复杂编码）对应着两种不同的信源编码方式，而毛玻璃信道在两种照明方式下都可以传递信息。基于这种差异，我们推定：在相干照明模式下，整块毛玻璃构成类似光阑的信道，只是该信道是被毛玻璃的随机相位分布编码过；非相干照明模式下，毛玻璃的整体编码信道失效，但毛玻璃随机相位分布中存在的大量的微结构构建了新的信息传递通道。进一步的周期性相位光栅和毛玻璃的对比实验和模拟结果都验证了散射介质的微结构才是构成非相干照明下信道关键；没有相应的微结构的话，即便存在其他结构，也无法构建有效的信道。

      除此之外，我们还发现，当不存在有效信道时，即便是空间平移不变系统也无法传递信息。空间平移不变性一直被视为系统能够传递信息的充分条件，即系统输出等于输入和系统点扩散函数的卷积。

观点评述

      尽管散射介质结构复杂，光在其中的传播无法追迹，传递过程无法准确描述，仍然存在解构散射介质的可能。通过以深度学习作为信息解构的工具，本研究发现除了整体信道，散射介质的复杂微结构还会构成新的信道，完成图像信息的传递，而不同的照明（即信源编码）方式会自动激发对应的信道，也就是说散射介质能自动完成信道的切换。这一现象迥异于透镜、光阑等传统光学信道，它们不管照明方式如何改变，信道的结构不发生变化。基于此，未来我们有望更深入理解信息在散射介质内传递的具体过程，从而为透散射介质成像问题找到根本性解决方案。同时研究也再次确定深度学习可以作为强大的工具探索复杂系统的物理机制和规律，而不仅仅是复杂系统的近似模拟，这极大了拓展了深度学习可能的应用范围，也将激发对深度学习的物理模型和机理的探索。

主要作者

      刘红林，中国科学院上海光学精密机械研究所副研究员，研究方向包括光在生物组织、光纤、云雾等散射介质内的输运，透过散射介质的成像和光场调控技术，聚焦探索新的物理现象和机制，开发成像和调控的新方法和新技术。在国际知名期刊Nature photonics、Advance Science, Photonics Research, Innovation等杂志上发表研究文章40余篇。

      赖溥祥，香港理工大学生物医学工程系长聘副教授、博导，生物医学光子学实验室创始人。2016年入选国家高层次青年人才计划，香港2016-2017年度杰出青年学者。长期致力于深层生物组织光学聚焦与成像研究，在诸如散射光聚焦、光声成像、人工智能、光纤成像等方面在过去的十多年开展了大量原创和前瞻性的工作，以第一作者或者通讯作者在Nature Photonics, Nature Communications, Light: Science and Applications, Advanced Science等发表期刊论文近80篇，目前担任数家学术期刊副主编或编委以及中国光学学会生物医学光子学分会常委。

      张大伟，上海理工大学教授、教育部光学仪器与系统工程研究中心主任、上海市极端光学制造与检测工程研究中心主任。教育部长江学者、国家万人计划、科技部中青年创新领军人才、上海市青年科技英才、上海市曙光学者、上海市科技启明星。研究方向是光学器件与系统，在Light: Science and Applications、Lab on a chip、ACS Appl. Mater. Interfaces、Optics Letter等国际著名期刊发表100余篇。

      张栩瑜，上海理工大学和中国科学院上海光学精密机械研究所联合培养硕士研究生。本科毕业于哈尔滨工业大学（威海）光电科学系。主要研究方向为深度学习在散射成像机理研究上的应用。