Imaging di scattering ottico

Principi di base dell'imaging a dispersione ottica:
Quando la luce incontra gli dispersi (ad es. Media torbidi, tessuti biologici) durante la propagazione, la sua direzione cambia: un fenomeno noto come dispersione. Nell'imaging di scattering ottico, i fotoni che trasportano informazioni target vengono interrotti dalla distribuzione disomogenea di particelle e indici di rifrazione all'interno del mezzo di scattering, portando a immagini distorte di rilevamento diretto. Ad esempio, in condizioni di nebbia, la dispersione della luce da parte delle goccioline d'acqua provoca l'osservazione offuscata degli oggetti. Tuttavia, l'imaging di scattering ottico si basa sull'analisi e l'elaborazione di questi fotoni sparsi per ricostruire le immagini. I fotoni sparsi possono essere classificati come:

• Fotoni balistici (viaggiando quasi dritto, trasportando chiari informazioni target),

• Fotoni simili a serpenti (sottoposti a scattering multipli, mantenimento di informazioni target parziali),

• Fotoni diffusi (altamente randomizzati dopo ampio dispersione).
  Diversi tipi di fotoni svolgono ruoli distinti nell'imaging. Le tecniche di imaging a dispersione tradizionali si concentrano spesso sull'ottimizzazione della raccolta di fotoni balistici per la ricostruzione dell'immagine.

Tecniche tradizionali di imaging a dispersione ottica:
Metodi convenzionali basati sul tentativo di raccolta di fotoni balistici di estrarre informazioni target isolando questi fotoni dalla luce sparsa. I primi approcci hanno utilizzato progetti ottici specifici e configurazioni del rivelatore per dare la priorità alla cattura dei fotoni balistici. Tuttavia, in scenari pratici, i fotoni balistici sono scarsi e la maggior parte dei fotoni in media fortemente scattering non è balistica a causa della dispersione multipla. Di conseguenza, tali tecniche funzionano male nei media con grande spessore ottico e hanno una limitata applicabilità.

Imaging di scattering ottico computazionale:
Con i progressi tecnologici, è emerso l'imaging di scattering computazionale, sottolineando l'utilizzo di fotoni non balistici in mezzi di dispersione spessa. Gli approcci chiave includono:

• Effetto della memoria ottica e algoritmi di recupero di fase:
  L'effetto della memoria ottica descrive il modo in cui i media di dispersione mantengono la "memoria" della luce incidente in determinate condizioni: i cambiamenti più importanti nell'angolo di illuminazione o nella posizione producono variazioni correlate nel campo sparso. Sfruttare questo effetto con gli algoritmi di recupero di fase consente il recupero delle informazioni di fase target da campi sparsi. Ad esempio, gli esperimenti ricostruiscono le immagini target correlando la luce sparsa con gli obiettivi attraverso l'effetto della memoria e risolvendo iterativamente le informazioni di fase. Questo metodo mostra la promessa di mezzi di scattering spesso dinamici e potenziale nell'imaging a lungo raggio a campo largo.

• Imaging di diffrazione coerente:
  Questa tecnica impiega un'illuminazione di luce coerente e algoritmi iterativi per ricostruire l'ampiezza del bersaglio e la fase da modelli di diffrazione misurati. Registrando l'intensità della luce sparsa (priva di dati di fase), gli algoritmi di recupero di fase risolvono iterativamente per informazioni mancanti. L'imaging di diffrazione coerente supera i limiti di risoluzione tradizionali, consentendo l'imaging ad alta risoluzione delle microstrutture nella scienza dei materiali e nella biomedicina.

• Motore iterativo ptychographic:
  Ptychography ricostruisce immagini ad alta risoluzione mediante scansioni sovrapposte delle regioni target ed elabora i dati di intensità sparsi. La regolazione continua delle posizioni e degli angoli di scansione migliora l'acquisizione delle informazioni, migliorando la risoluzione e la qualità. Questo metodo eccelle nell'imaging di obiettivi non sparsi e detiene un valore significativo nelle applicazioni pratiche di imaging di scattering.

Sfide e limitazioni:
Nonostante il notevole progresso, l'imaging di diffusione ottica deve affrontare le sfide:

• Ambienti dinamici: i media di scattering in rapida evoluzione (ad es. Fumo fluido, tessuti biologici dinamici) richiedono l'elaborazione in tempo reale dei dati di scattering in evoluzione, che richiedono algoritmi altamente efficienti e potenza computazionale.

• Risoluzione e qualità: mezzi di scattering spessi spesso degradano la qualità dell'immagine a causa della perdita di informazioni e del rumore dallo scattering multiplo, portando a sfocatura o distorsione.

• Specificità dello scenario: molte tecniche eccellono in condizioni specifiche ma mancano di generalizzabilità, limitando la loro robustezza tra diverse applicazioni del mondo reale.

Applicazioni:

• Biomedicina: consente l'imaging delle strutture dei tessuti interni attraverso la dispersione della luce, aiutando la diagnosi della malattia (ad es. Rilevamento del cancro allo stadio precoce attraverso l'analisi della luce sparsa dai tessuti).

• Monitoraggio ambientale: facilita l'imaging attraverso nebbia, fumo o foschia per monitorare fonti di inquinamento distanti o fenomeni meteorologici.

• Ispezione industriale: supporta i test non distruttivi di materiali opachi analizzando la luce sparsa per identificare difetti interni, migliorando la qualità e la sicurezza del prodotto.