我院智能成像与计算感知研究部崔光茫副教授指导研究生在Journal of Optics期刊发表题目为“Scatter imaging with super-memory effect based on adaptive β-parameter hybrid input-output algorithm-assisted estimation of point spread function”的论文
近日，杭州电子科技大学碳中和新能源研究院智能成像与计算感知研究部崔光茫副教授团队在光学散射介质成像研究领域取得进展，指导研究生在Journal of Optics期刊发表题目为“Scatter imaging with super-memory effect based on adaptive β-parameter hybrid input-output algorithm-assisted estimation of point spread function”的论文，曹超伟同学为第一作者，崔光茫老师为通信作者。
早在20世纪六十年代初，科学家就发现当原本规律传播的光波遇到特定介质发生反射或者折射后，其传播形式将会被打乱，导致最终被捕捉到的图案为散斑的形式。近十几年来，各国学者一直在探索用于重建杂乱散斑的方法，从而恢复得到散射介质后方的目标物体。光学散射介质成像能够为生物医学观测、疾病监测等领域带来重要的突破，对复杂介质环境下的目标信号的探测和识别重建也具有重要意义。
在本工作中，针对散射成像受限于光学记忆效应范围限制的问题，提出了一种创新的大视场超记忆效应范围的光学散射介质目标物体扫描和重建方法。该方法在传统的相位重建的基础上，结合散斑成像的信息对相位重建过程进行了改进，利用自适应β参数的混合输入输出相位重建方法（APHIO），有效提高了散斑相位重建过程中的复原效果质量以及稳定性。
如图1所示，展示了该相位重建算法的具体实现流程，该方法在重建效果和算法稳定性上，都要优于传统的相位重建方法。同时，论文提出了一种大视场散射介质成像扫描方案，结合点扩展函数估计和改进的相位重建算法，实现在非侵入的情况下估计得到成像系统中散射介质的点扩展函数，更高效地实现了大视场范围内的散射介质目标重建，在目标复原效果和重建时间效率方面都有优异表现。所提出的系统扫描采集重建流程图如图2所示。具体算法重建结果和讨论分析请参见论文Cao et al 2022 J. Opt. https://doi.org/10.1088/2040-8986/ac71b2
图1 APHIO算法流程图
图2 系统扫描采集重建流程图