【儀表網(wǎng) 儀表研發(fā)】近期，中國科學院上海光學精密機械研究所信息光學與光電技術實驗室與德國斯圖加特大學應用光學研究所、美國麻省理工學院合作，提出并實驗驗證了一種基于物理模型和深度神經(jīng)網(wǎng)絡的新型計算成像方法，無需大量帶標簽的數(shù)據(jù)來完成神經(jīng)網(wǎng)絡訓練，將能有力促進人工智能技術在計算成像中的廣泛應用。
 

　　近年來，基于深度學習的方法被廣泛應用于計算成像中，在相位恢復、數(shù)字全息、單像素成像、散射成像等眾多領域取得了一系列令人矚目的成果。然而，傳統(tǒng)基于深度學習的計算成像方法大都采用監(jiān)督學習的策略，因此需要預先獲取大量帶標簽的數(shù)據(jù)來訓練神經(jīng)網(wǎng)絡，且所獲取數(shù)據(jù)的數(shù)量和質量對所得模型的性能具有很大影響，而在實際應用中這一條件往往是難以滿足的。盡管此前研究表明，當成像系統(tǒng)的正向物理模型已知時可以通過仿真生成訓練數(shù)據(jù)，但是神經(jīng)網(wǎng)絡的泛化性總是有限的，所得模型只能對類似訓練集的場景得到較好的結果。
 

　　成像系統(tǒng)按系統(tǒng)的結構、掃描方式和探測器件的不同，大致分為：
 

　　①光學機械掃描。如多光譜掃描儀。多采用反射鏡對物面進行掃描，經(jīng)分光、檢波和光電轉換后輸出影像數(shù)據(jù)。
 

　　②電子掃描。如返束光導管電視攝像機，屬像面掃描方式。其過程是光學成像于光導管靶面，經(jīng)電子束掃描后將信號放大輸出。
 

　　③固體自掃描。如法國SPOT衛(wèi)星的光電掃描傳感器，亦屬像面掃描方式。景物經(jīng)物鏡成像在由許多電荷耦合器件(CCD)組成的探測器面陣上，經(jīng)光電轉換后輸出。
 

　?、芴炀€掃描。如側視雷達，屬物面掃描方式的一種主動式遙感成像系統(tǒng)。它通過天線發(fā)射微波波束并接收景物反射的回波經(jīng)解調后輸出。
 

　　針對基于深度學習的計算成像方法中訓練數(shù)據(jù)難以獲取和模型泛化性有限的問題，研究人員提出將物理模型與神經(jīng)網(wǎng)絡相結合的方法，利用物理模型替代訓練數(shù)據(jù)來驅動網(wǎng)絡參數(shù)的優(yōu)化。相比傳統(tǒng)數(shù)據(jù)驅動的端到端深度學習方法，PhysenNet無需獲取訓練數(shù)據(jù)且是一種具有普適性的方法。相比模型驅動的優(yōu)化算法，PhysenNet無需使用顯式正則項就能用于病態(tài)逆問題(從探測到的物理測量中恢復原始物體信息，在探測階段存在諸如相位等信息丟失)的求解。
 

　　同攝影系統(tǒng)相比，掃描成像系統(tǒng)的優(yōu)點是：
 

　?、俟ぷ鞑ǘ渭s在0.38～14.0微米，范圍大，并可靈活確定波段劃分數(shù)量及 [1] 波段帶寬。
 

　　②采用儀器內部分光，有利于不同波段影像的精確配準。
 

　?、劢?jīng)輻射校準后的影像密度便于機助處理和分類。
 

　　研究人員以計算成像中的經(jīng)典例子——相位成像來驗證該方法的有效性，通過不斷迭代使神經(jīng)網(wǎng)絡輸出結果經(jīng)衍射傳播和測量過程(物理模型)后計算得到的衍射強度圖逐漸逼近實際測量的衍射強度圖，隨著迭代的進行，神經(jīng)網(wǎng)絡輸出結果也逐漸逼近實際待求相位物體。實驗結果表明，在僅使用單張衍射強度圖時，PhysenNet的恢復效果優(yōu)于需在多個離焦面之間來回迭代的Gerchberg-Saxton(GS)算法的恢復效果，且接近數(shù)字全息方法的恢復效果。該方法可應用于眾多正向物理模型已知的計算成像方法中。