多先验智能显微镜辅助高通量，像素超分辨率定量相位成像

来自光电进展的新出版物讨论了多先验智能显微镜辅助高通量，像素超分辨率定量相位成像。

　　

《光电进展》的新出版物，讨论了多先验智能显微镜辅助高通量，像素超分辨率定量相位成像。 

光携带的相位信息揭示了物体的各种特性，如厚度、折射率、几何结构等。然而，由于大多数光学传感器是基于强度的器件，相位信息不能被这些传感器直接检测到。数字全息显微镜(DHM)是一种干涉技术，是一种常用的无损相位成像方法。DHM通常包括两类:数字在线全息显微镜(DIHM)和离轴数字全息显微镜。离轴DHM可以从单次数字全息图中重建波前，但存在空间带宽损失和分辨率降低的问题。相比之下，DIHM具有较高的空间带宽积，在一些微观场景中往往是首选。然而，有两个因素影响了DIHM的高质量重建：1)全息重建过程中双像的干扰；2)在低曝光时间、高信噪比条件下，大像素探测器会造成亚像素信息损失。 

虽然上述两个问题都可以通过全息设置中的物理修改或数值补偿在一定程度上解决，但它们经常遇到诸如光学复杂性增加和强噪声条件下鲁棒性不足等挑战。相比之下，深度学习（DL）网络具有噪声抑制和逆问题解决能力，已成为DIHM成像和像素超分辨率（PSR）的有力工具。然而，大多数基于dl的策略都是数据驱动或端到端网络方法，存在过度的数据依赖性和有限的泛化能力。虽然已经提出了将表示成像过程的完整物理模型与深度图像先验（DIP）相结合的无训练深度学习方法来解决相位检索问题，但研究发现，直接使用具有单个先验的DIP框架来解决不适定逆问题往往会导致干扰相关噪声和权值衰减的伪解或过拟合，特别是在同时遇到下采样时。 

为了应对上述挑战，中国科学院西安光学精密机械研究所瞬态光学与光子学国家重点实验室姚宝莉教授和陈白教授领导的研究小组报告了一种用于PSR DIHM成像定量相位检索的免训练网络，称为多先验物理增强神经网络（MPPN-PSR）。该网络将物理模型先验、稀疏先验和深度图像先验封装在一个未经训练的深度神经网络中。其中，物理模型先验代表了DIHM成像过程和探测器下采样，稀疏先验进一步提高了成像分辨率。因此，无需额外的硬件设计，即可实现像素超分辨率、无双像和对噪声不敏感的相位分布检索。 

由于MPPN-PSR在一个无需训练的网络框架内集成了各种先验信息，因此该方法可以有效准确地从单镜头在线数字全息图中重建相位，避免了传统端到端方法相关的过度数据依赖和有限的泛化能力。MPPN-PSR通过将强度图像冗余要求降低到仅一帧，从而最大限度地提高了数据效率，并利用了低分辨率强度图像固有的大视场，提高了空间带宽积（SBP）。通过仿真和实验对比，评价了MPPN-PSR检索方法的性能和有效性。相位成像的像素分辨率比无PSR相位检索提高3倍，光学分辨率比无PSR相位检索提高2倍左右。由于MPPN-PSR方法能够实现像素超分辨率、双像消除和大sbp相位重建，因此可以提供高精度的高通量相位成像。这些优越的性能可广泛应用于生物医学工作流程和工业测量中。