Adv. Photon. | 光的魔力：湍流环境中的全息成像

Advanced Photonics 2023年第6期文章： 

全息成像是一个跨学科的领域，结合了光学、计算机科学和应用数学。虽然使用计算机生成全息图像的概念可以追溯到20世纪60年代，但直到20世纪90年随着计算机技术和数字图像处理的进步，数字全息技术开始获得更多的关注，计算全息才开始发展成为一种可行的技术。近年来，随着全息成像技术的不断发展，全息成像能力日益提升。研究人员已经开发出包括压缩感知、稀疏编码和深度学习等技术在内的更加复杂的全息成像数值算法。

空间相干性（Spatial coherence，SC）是决定全息成像中光束所携带的高频信息的数量和质量的关键因素。高频信息对于实现高分辨率和捕获图像中的精细度至关重要。当光源的SC较低时，光束的相位关系变得混乱，干涉图样被破坏，导致高频信息传输不足，最终导致重建图像的分辨率较低，细节信息较少。因此，高SC光源是全息成像的首选，以确保传输过程中存在足够的高频信息。然而，在复杂环境中，光源受到干扰导致SC往往很低，从而使得图像退化和细节丢失。因此，如何在低SC光源下恢复图像是一个具有挑战性的问题。

海洋和大气湍流严重影响光学成像，使相机和光学探测装置获得的图像失真和退化。海洋湍流引起的图像失真和退化是因为海水的湍流运动引起折射率变化，从而影响光线在水中传播路径。大气湍流的产生是由于大气层存在不均匀性，其中包含温度和密度变化区域，从而引起空气折射率的变化。无论是海洋湍流还是大气湍流，当光束穿过这些折射率变化的区域时，相位相关性会发生改变，使图像变得模糊和失真。不可否认的事实是，使用相同的方法同时解决多种湍流强度的全息成像问题是困难的。但通过分析湍流对图像的退化机制，我们发现其对全息成像的影响可以用SC去描述。因此，将上述问题转化为不同SC条件下的成像问题，并利用深度学习的优势训练一个通用模型，借助空间相干性实现任意湍流强度下图像恢复。

湍流环境中的全息成像方法

浙江大学赵道木教授和徐仁军教授等研究人员合作探索了空间相干性和湍流对全息成像的影响，分析了湍流引起的图像退化的物理机制，并创新地提出了一种基于Swin Transformer架构的方法，称为具有空间相干性训练的Swin Transformer（TWC-Swin），它将空间相干性作为可调整的物理先验信息，从而指导深度神经网络的训练。实现在任意湍流场景中精确的图像恢复任务。实验中设计的光处理系统能够操纵光源的空间相干性和模拟任何湍流。定性和定量评价表明，TWC-Swin方法能够实现各种湍流下的图像恢复，具有鲁棒性、强大的泛化能力和对未知环境的适应性。相关成果发表在Advanced Photonics 2023年第6期上，题为“Harnessing the magic of light: spatial coherence instructed swin transformer for universal holographic imaging”。

研究内容与方法

由于海洋和大气湍流中折射率的随机变化，光束的相位信息会发生扭曲，从而降低了计算全息图像的清晰度并影响其质量。通过使用TWC-Swin方法可以有效解决这个问题。图2 展示了TWC-Swin方法在不同海洋和大气湍流强度下的显著图像恢复能力。湍流强度取决于功率谱函数的某些变量，其中较强的湍流表示更复杂的模拟湍流相位。为证明TWC-Swin的性能，研究人员在海洋和大气湍流的五种不同强度下进行了实验。 

图2 TWC-Swin 方法在不同强度的海洋和大气湍流条件下性能的定性分析

研究人员分析认为通常随着湍流强度的增加，SC会衰减，导致图像质量降低。但是无论湍流强度如何，本文的方法都能够克服这些不利影响，有效地提高图像质量。TWC-Swin方法能够在低空间相干性和任意湍流条件下有效地恢复全息图像，超越传统的基于卷积网络的方法，同时具有强大的泛化能力，能将从训练集中学到的信息应用扩展到新的、未见过的场景。

总结与展望