偏振是光的重要物理特性之一,地表或大气中的目标在反射、散射、透射和辐射电磁波时会产生由自身特性所决定的特定偏振信息,且这些偏振信息能用于分析目标的形状、表面粗糙度、纹理走向和材料的理化特性等。偏振成像技术在传统成像基础上增加了偏振维度的信息,不仅能提供二维空间光强分布,还能获得图像上每个像素的偏振信息。偏振成像以其独特的技术优势,在目标检测、图像去雾、水下探测、三维重建等领域发挥着重要作用。
分焦平面偏振成像作为新一代偏振探测手段,通过将偏振片阵列与焦平面探测器集成,实现了紧凑型快照式偏振成像。然而,分焦平面探测器结构引起图像空间分辨率降低,及相邻像元间具有不同偏振方向的光强响应,导致瞬时视场误差严重影响偏振信息的重构精度。为实现高分辨率成像、降低瞬时视场误差,分焦平面偏振超分辨成像(分辨率增强)技术成为该领域的研究热点。该综述从偏振成像的基本理论入手,介绍典型的偏振成像系统:分时型、分振幅型、分孔径型、分焦平面型和超构表面型。然后对分焦平面偏振成像分辨率增强的三大方法理论体系进行详细介绍和对比分析,包括基于插值策略的传统算法、基于数学建模的优化方法、基于深度学习的智能处理技术。最后对分焦平面偏振成像分辨率增强技术的未来发展方向作以展望。
强度、波长、相干、相位和偏振是光的五大物理特性,传统的成像设备将强度和波长信息编码成亮度和色彩,以此来被人类感知。由于人眼对偏振信息不敏感,光的偏振特性在很长一段时间内被人类所忽视。直到1949年,Frisch Karl发现蜜蜂能通过感知光的偏振特性进行导航,随后许多研究学者开始研究动物的偏振视觉,并发现螳螂虾、蟋蟀、蚂蚁和章鱼等都能感知偏振,这些发现为之后的偏振成像技术的研究提供了理论依据。
在20世纪70年代,学者就开始对偏振成像进行研究,偏振成像获取方式主要包括:分时型、分振幅型、分孔径型、分焦平面型和超构表面型等。亚波长金属光栅仅允许TM偏振光透过、TE偏振光反射,这类器件的能量利用率极限为50%。超构表面是一种结构单元以亚波长间隔按准周期排列而成的二维平面器件,通过对入射光波施加离散的相位突变和振幅分布,实现超常的光场调控。基于超构表面的偏振器件可同时调控光场的TM和TE偏振分量,理论上可使器件的能量利用效率突破50%的极限。基于超构表面的偏振器件主要分为光栅型、波导型和透镜型。
分焦平面探测器结构引起图像空间分辨率降低,及相邻像元间具有不同偏振方向的光强响应,导致瞬时视场误差严重影响偏振信息的重构精度。为实现高分辨率成像、降低瞬时视场误差,一系列分焦平面偏振图像超分辨重建(或去马赛克)技术被相继提出,主要可以分为三类:基于插值策略的传统算法、基于数学建模的优化方法、基于深度学习的智能处理技术。
基于插值策略的传统算法本质上是建立在对邻域像素关联性的数学建模基础上,通过挖掘已知像素间的空间关联性来重构缺失偏振信息。当前技术体系主要围绕两大核心展开:一是构建高精度引导图像以增强边缘保持能力;二是设计自适应权重函数实现噪声鲁棒性优化。
基于数学建模的优化方法获得了更优的去马赛克结果,然而该类方法本质上是基于最优化问题的迭代求解,其非凸优化框架下的迭代逼近机制仍面临计算复杂度与收敛效率的平衡难题。当前研究聚焦两大核心要点:一是对模型做优化(如优化字典的表征维度和精度)和并行处理,提升模型运行效率;二是设计融入偏振和光谱通道相关性的分解模型,并联合偏振成像过程,提升建模的精准度。
基于深度学习的智能处理技术基于神经网络强大的非线性表征能力,高精度地学习马赛克图像和全分辨率图像的映射关系,在仿真数据上,重构性能远超传统方法和模型驱动的方法。由于神经网络采用端到端的黑箱训练模式,其去马赛克优化过程缺乏明确的物理机理阐释,且面临真实场景泛化能力不足以及依赖大规模标注数据等瓶颈。因此,亟需建立物理可解释性、泛化能力强和弱监督(或无监督)学习特性的偏振图像去马赛克网络。
历经十余年技术演进,尽管该领域已取得显著突破,但面向高精度成像需求与技术发展前沿,未来研究将聚焦于三大方向:
(1)联合扩散模型的偏振超分辨成像技术:基于卷积神经网络的偏振超分辨重建网络多以“one-step”的方式学习输入和输出间的映射关系,导致现有基于CNN的方法泛化能力有限,难以适用于不同数据分布的场景。我们初步探索了基于扩散模型的偏振超分辨重建网络DCPM,通过逐步优化超分辨结果,代替“one-step”优化,并设计了专门的损失函数指导网络训练,使得DCPM取得了最优的超分辨重建效果,尤其在实测数据上泛化能力更强。
(2)基于深度展开模型的偏振超分辨成像技术:模型驱动的去马赛克算法具有明确的物理意义,但算法运行效率低;数据驱动的深度学习技术端到端学习马赛克图像和全分辨率图像间的映射关系,依赖大量标注的数据样本获得了更优的去马赛克效果,但其去马赛克优化过程缺乏明确的物理机理阐释,且面临真实场景泛化能力不足的瓶颈。因此,通过融合显式物理重建模型与深度神经网络的强表征特性,构建保真项-正则项交替优化的深度展开架构,建立可解释性驱动的高鲁棒性偏振超分辨技术体系,将成为突破现有方法边界的未来发展方向。
(3)建立偏振图像超分辨重建的评价体系:当前偏振图像去马赛克效果评估普遍沿袭通用图像处理领域的有参考/无参考评价范式,然而这类移植性指标对多维偏振信息保真度缺乏特异性表征,在Stokes矢量精度、偏振信息一致性等核心维度存在系统性评估盲区。针对偏振成像领域专用评估框架的缺失,亟需融合偏振物理先验与深度学习特性,通过构建多模态融合的质量评估体系——集成偏振特征保真性、场景适应性和算法鲁棒性三重维度,建立面向偏振超分辨成像的全域评价基准,这将成为推动技术标准化进程的关键突破口。
科学技术的发展离不开科研仪器的进步。凯视迈(KathMatic)自2014年创建以来,一直“致力于高精尖光学测量技术”,已成为集“研发、制造、销售”为一体的国产高端光学精密测量仪器新力量。推出了KC系列多功能精密测量显微镜、KS系列超景深3D数码显微镜以及KV系列激光多普勒测振系统,取得了良好的市场成绩。详情欢迎留言咨询!