[论文解读] Quantitative phase imaging (QPI) through random diffusers using a diffractive optical network

Yuhang Li, Yi Luo+3 more|arXiv (Cornell University)|Jan 19, 2023

Digital Holography and Microscopy被引用 6

一句话总结

本文提出了一种衍射光学网络，通过光学转换将相位变化转化为可测量的强度图案，从而实现通过未知随机散射体的定量相位成像（QPI）。该网络作为覆盖约70个波长的全光处理器进行训练，可在光速下实现无需外部供电的实时、无延迟相位恢复与图像重建，为生物医学成像和传感应用提供了一种紧凑、高帧率的替代方案。

ABSTRACT

Quantitative phase imaging (QPI) is a label-free computational imaging technique used in various fields, including biology and medical research. Modern QPI systems typically rely on digital processing using iterative algorithms for phase retrieval and image reconstruction. Here, we report a diffractive optical network trained to convert the phase information of input objects positioned behind random diffusers into intensity variations at the output plane, all-optically performing phase recovery and quantitative imaging of phase objects completely hidden by unknown, random phase diffusers. This QPI diffractive network is composed of successive diffractive layers, axially spanning in total ~70 wavelengths; unlike existing digital image reconstruction and phase retrieval methods, it forms an all-optical processor that does not require external power beyond the illumination beam to complete its QPI reconstruction at the speed of light propagation. This all-optical diffractive processor can provide a low-power, high frame rate and compact alternative for quantitative imaging of phase objects through random, unknown diffusers and can operate at different parts of the electromagnetic spectrum for various applications in biomedical imaging and sensing. The presented QPI diffractive designs can be integrated onto the active area of standard CCD/CMOS-based image sensors to convert an existing optical microscope into a diffractive QPI microscope, performing phase recovery and image reconstruction on a chip through light diffraction within passive structured layers.

研究动机与目标

• 为克服在定量相位成像（QPI）中因未知随机相位散射体导致的相位物体成像难题。
• 开发一种全光、无源的衍射处理器，通过被动结构层中的光衍射完全实现相位恢复与图像重建。
• 实现在标准CMOS/CCD图像传感器上的QPI功能集成，以构建紧凑的芯片级显微系统。
• 与传统数字迭代重建方法相比，实现更高的帧率和更低的功耗。

提出的方法

• 该方法采用由多个轴向分布约70个波长的连续衍射层构成的衍射光学网络。
• 利用深度学习框架对网络进行训练，以将隐藏在随机散射体后的物体相位分布映射到输出平面的对应强度图案。
• 训练后的网络作为全光处理器，仅通过一次光传播即可完成相位恢复与图像重建，其速度仅受限于光传播速度。
• 系统除照明光束外无需外部供电，完全依赖被动光学衍射实现计算。
• 该设计可兼容集成到标准图像传感器芯片上，实现芯片级QPI显微成像。
• 该方法通过将相位恢复任务直接编码到衍射层的物理结构中，绕过了迭代数字算法。

实验结果

研究问题

• RQ1 能否训练衍射光学网络以实现对隐藏在未知随机相位散射体后的物体的定量相位成像？
• RQ2 与传统数字迭代方法相比，全光、无源的衍射网络在相位物体重建方面能达到多高的精度？
• RQ3 此类衍射网络在QPI应用中能在多大程度上实现高帧率和低功耗？
• RQ4 该衍射网络能否与标准CMOS/CCD图像传感器集成，以构建紧凑的芯片级QPI显微镜？
• RQ5 该衍射网络在电磁谱的不同波段中性能如何？

主要发现

• 衍射光学网络成功通过全光处理实现了对隐藏在未知随机散射体后的物体的定量相位图像重建。
• 系统以光速传播运行，实现高帧率，且无计算延迟。
• 网络除照明光束外无需外部供电，是一种低功耗的QPI解决方案。
• 训练后的网络无需迭代数字处理即可实现精确的相位恢复与图像重建。
• 该设计可兼容集成到标准图像传感器芯片上，支持芯片级QPI显微成像实现。
• 该方法在电磁谱的多个波段中均表现出潜力，可支持多样化的生物医学与传感应用。