Podstawowe zasady optycznego obrazowania rozpraszania:
Kiedy światło napotyka rozpraszacze (np. Nośniki mętne, tkanki biologiczne) podczas propagacji, jego kierunek zmienia się - zjawisko znane jako rozpraszanie. W obrazowaniu rozpraszania optycznym fotony przenoszące informacje docelowe są zakłócane przez niejednorodny rozkład cząstek i wskaźników załamania światła w podłożu rozpraszającym, co prowadzi do zniekształconych obrazów detekcji bezpośredniej. Na przykład w mglistych warunkach rozpraszanie światła przez kropelki wody powoduje niewyraźne obserwację przedmiotów. Jednak obrazowanie rozproszenia optycznego opiera się na analizie i przetwarzaniu tych rozproszonych fotonów w celu rekonstrukcji obrazów. Rozproszone fotony można podzielić jako:Fotony balistyczne (podróżowanie prawie prosto, przenoszenie wyraźnych informacji docelowych),
Fotony podobne do węża (poddawane wielu rozpraszaniu, zachowanie częściowych informacji docelowych),
Rozproszone fotony (wysoce losowe po rozległym rozproszeniu).
Różne typy fotonów odgrywają wyraźną rolę w obrazowaniu. Tradycyjne techniki obrazowania rozpraszania często koncentrują się na optymalizacji kolekcji fotonów balistycznych do rekonstrukcji obrazu.
Tradycyjne techniki obrazowania rozpraszania optycznego:
Konwencjonalne metody oparte na gromadzeniu fotonów balistycznych próbują wydobyć informacje docelowe poprzez izolowanie tych fotonów od rozproszonego światła. Wczesne podejścia wykorzystywały określone konfiguracje optyczne i konfiguracje detektora w celu ustalenia priorytetów przechwytywania fotonów balistycznych. Jednak w praktycznych scenariuszach fotony balistyczne są rzadkie, a większość fotonów w mediach silnie rozpraszających jest nietopalistyczna z powodu wielokrotnego rozpraszania. W związku z tym takie techniki działają słabo w mediach o dużej grubości optycznej i mają ograniczoną możliwość zastosowania.Obliczeniowe optyczne obrazowanie rozproszenia:
Wraz z postępem technologicznym pojawiło się obliczeniowe obrazowanie rozpraszania, podkreślając wykorzystanie fotonów nieballistycznych w grubych pożywkach rozpraszających. Kluczowe podejścia obejmują:Efekt pamięci optycznej i algorytmy pobierania faz:
Efekt pamięci optycznej opisuje, w jaki sposób media rozproszenia zachowują „pamięć” światła padającego w określonych warunkach - małe zmiany kąta oświetlenia lub pozycji powodują skorelowane zmiany w rozproszonym polu. Wykorzystanie tego efektu za pomocą algorytmów pobierania faz umożliwia odzyskanie informacji o fazie docelowej z rozproszonych pól. Na przykład eksperymenty rekonstruują obrazy celowe, korelując rozproszone światło z celami poprzez efekt pamięci i iteracyjnie rozwiązywania informacji fazowych. Ta metoda pokazuje obiecujące dynamiczne grube pożywki rozpraszające i potencjał w obrazowaniu szerokim pola, dalekiego zasięgu.Spójne obrazowanie dyfrakcyjne:
Ta technika wykorzystuje spójne oświetlenie światła i iteracyjne algorytmy do rekonstrukcji amplitudy docelowej i fazy z zmierzonych wzorców dyfrakcyjnych. Rejestrując rozproszone intensywność światła (brak danych fazowych), algorytmy pobierania faz iteracyjnie rozwiązują brakujące informacje. Spójne obrazowanie dyfrakcyjne przekracza tradycyjne limity rozdzielczości, umożliwiając obrazowanie mikrostruktur w wysokiej rozdzielczości w naukach materiałowych i biomedycynie.Ptychograficzny silnik iteracyjny:
Ptychografia rekonstruuje obrazy o wysokiej rozdzielczości poprzez nakładanie się skanów regionów docelowych i iteracyjnie przetwarzające dane intensywności rozproszonych. Ciągłe dostosowywanie pozycji i kątów skanowania zwiększa pozyskiwanie informacji, poprawia rozdzielczość i jakość. Ta metoda wyróżnia się w obrazowaniu celów nieprzejrzczonych i ma znaczącą wartość w praktycznych zastosowaniach obrazowania rozpraszania.
Eksperymentalna ścieżka światła obrazowania rozpraszania opartą na optycznej matrycy transmisji
Wyzwania i ograniczenia:
Pomimo znacznego postępu, optyczne obrazowanie rozpraszające stoi wyzwanie:Środowiska dynamiczne: szybko zmieniające się media rozpraszające (np. Pływający dym, dynamiczne tkanki biologiczne) wymagają przetwarzania ewoluujących danych rozpraszających w czasie rzeczywistym, wymagające wysoce wydajnych algorytmów i mocy obliczeniowej.
Rozdzielczość i jakość: grube media rozpraszające często degradują jakość obrazu z powodu utraty informacji i szumu z wielokrotnego rozpraszania, co prowadzi do rozmycia lub zniekształceń.
Specyficzność scenariusza: wiele technik wyróżnia się w określonych warunkach, ale nie ma możliwości uogólnienia, ograniczając ich odporność w różnych zastosowaniach w świecie rzeczywistym.
Zastosowania:
Biomedycyna: umożliwia obrazowanie wewnętrznych struktur tkanek poprzez rozpraszanie światła, diagnozę choroby (np. Wykrywanie raka wczesnego stadium poprzez analizę rozproszonego światła z tkanek).
Monitorowanie środowiska: ułatwia obrazowanie poprzez mgłą, dym lub mgłę w celu monitorowania odległych źródeł zanieczyszczenia lub zjawisk meteorologicznych.
Kontrola przemysłowa: Obsługuje testy nieniszczące nieprzezroczyste materiały poprzez analizę rozproszonego światła w celu zidentyfikowania wad wewnętrznych, zwiększając jakość i bezpieczeństwo produktu.