基于多视图稀疏量化与类流形正交化的全息粒子场表征方法研究

为解决高密度粒子场中因尺寸差异和形状不规则导致的类不平衡现象，以及传统方法在计算效率和分割精度上的不足，研究人员提出了一种基于多视图稀疏量化（MSQNet）和分组特征正交网络（GFONet）的两步框架MSCO方法。该方法通过特征重组和分组正交化策略，显著提升了粒子检测率、聚焦层定位精度和分割性能，在四种粒子场数据上的实验表明其优于现有算法，为工业与生物医学领域的粒子场分析提供了新工具。

　　

在高速粒子场分析与表征研究中，动态过程常被分割为多个区域描述，但不同破碎区域的粒子密度、尺寸、速度及形状差异显著。数字全息技术（Digital Holography）因其无需化学处理、可高分辨率捕捉瞬时动态的特性，成为粒子场表征的重要工具。然而，现有方法如扩展聚焦图像（EFI）和三维重建切片面临计算效率低、类不平衡（由尺寸差异和形状不规则导致）等问题，严重影响表征精度。中国工程物理研究院的研究团队在《Optics and Lasers in Engineering》发表论文，提出多视图稀疏量化与类流形正交化（MSCO）方法，为这一难题提供了创新解决方案。

研究采用两步框架：首先通过多视图稀疏量化网络（MSQNet）降维提取潜在粒子区域，随后利用分组特征正交网络（GFONet）通过特征重组和分组正交化策略精确定位聚焦层并表征粒子形态。关键技术包括多视图数据融合、通道加权（Channel Weighting）、群归一化（Group Normalization, GN）和权重分组标准化（Weight Group Standardization, WGS）。实验数据涵盖高马赫数冲击波液滴破碎场（Set A₁-A₃）和校准板阵列粒子场（Set B）。

实验结果

1. 检测率与聚焦层定位：MSCO在Set A₂（双曝光不规则粒子场）中召回率较传统EFI方法提升23%，聚焦层定位误差降低至1.2μm。
2. 分割性能：对Set A₃（大尺寸不规则粒子）的分割准确率达98.7%，显著优于U-net变体（92.1%）。
3. 计算效率：GFONet的并行处理架构使Set B（高密度阵列场）处理时间缩短至传统方法的1/5。
4. 类不平衡优化：特征正交化策略使小尺寸粒子（50-100μm）的检测率从68%提升至89%。

结论与意义
MSCO方法通过多视图协同分析与类流形平衡策略，解决了高密度粒子场中类不平衡和计算效率低的双重挑战。其创新性体现在：（1）首次将稀疏量化与特征正交化结合，增强了对不规则粒子的鲁棒性；（2）WGS技术提升了网络稳定性，使模型在复杂物理场景（如冲击波液滴破碎）中保持高精度。该研究为航空航天（如金属推进剂燃烧）、生物医学（血细胞追踪）等领域的粒子场分析提供了通用框架，尤其适用于极端条件下的材料动态行为研究。作者Zijun Zhao等指出，未来工作将扩展至多相流场与纳米级粒子表征，进一步验证方法的普适性。