近日，南京大学现代工程与应用科学学院徐挺教授、陆延青教授团队联合电子科学与工程学院闫锋教授团队研发了一款能通过单次对焦拍摄实现像素级分辨率的全Stokes偏振相机。
偏振，作为光的基本属性之一，在许多成像应用中扮演着至关重要的角色，因为它能够捕捉一些特殊信息，这些信息无法被传统的相机直接记录下来。光谱信息描述了材料中分子的振动等性质，而偏振信息告诉我们物体表面的特征、形状、纹理走向和粗糙度等。目前，主流的偏振成像方法依赖于强二色性的晶体材料或人工微纳结构，其对应的偏振消光比（PER）通常需要大于100。这不仅限制了光的透射效率，还对微纳加工工艺提出了很高的要求。
研究团队提出了一种新的成像机制，通过联合超构表面器件和深度压缩感知，研发了一款能通过单次对焦拍摄实现像素级分辨率的全Stokes偏振相机。在压缩感知理论框架下，所提出的超构表面阵列在空间和偏振维度上充当了高效的压缩采样矩阵，能够在稀疏变换域中对自然场景进行编码。同时，与以往依赖于强偏振二色性的方法不同，所设计的超构表面器件表现为弱的二色性，整个器件的平均偏振消光比PER不足2。通常情况下，低的偏振消光比会降低偏振测量的精度或减弱偏振成像的对比度。然而，在本研究中证明，相比于强二色性器件，所设计的超构表面器件仍然可以获得与商业偏振测量仪相近的测量精度。此外，超构表面器件的弱二色性不仅提高了光的透射效率而且在很大程度上减轻了纳米结构的设计和加工要求。
图1. 偏振相机的工作原理包括三个步骤：感知矩阵的标定、压缩采样和重建
本研究所提出的偏振相机的工作原理如图1所示，包括三个步骤：（1）感知矩阵的标定，（2）采样与压缩，和（3）重建。由于成像过程是一个欠定问题，只有通过将解空间限制在全Stokes偏振图像的稀疏域内才有可能获得唯一的解，本方法引入压缩感知理论与深度学习方法，利用偏振信号在神经网络的隐式稀疏空间内的分布特性，缩小解空间范围。在稀疏性先验条件下，方程的解空间比原始空间域中的小得多，仅取决于稀疏变换域中的少量未知参数，这从根本上改变了不适定问题，使得方程获得唯一解，从而能够求解全分辨率的偏振信号。经过随机稀疏变换后，超构表面在空域和偏振维度的无序编码属性仍然可以保持，导致在稀疏变换域中仍然实现高效的采样，提高了方程解的数值稳定性，从而实现全分辨率尺度上的全斯托克斯三维信号重构。深度学习网络结构采用多层残差卷积层，辅以L1范数约束空间稀疏特征。同时，为提升重建质量以及重建稳定性，网络并非直接学习编码数据与原始三维信号的映射关系，而是采用基于随机掩膜的输入编码扩充输入数据的分布空间，同时输入掩膜信息指导网络学习并求解偏振编码的逆向问题，最终可以实现对任意编码结构的重构过程，提升了方法的泛化性。
为了验证系统的偏振成像能力，研究团队展示了室内外拍摄的多个实物场景（图2和图3）。实验结果表明该系统不但可以实现高效率成像，还可以精确重建其全Stokes偏振信息。特别是如图3c和3d所示，一个矩形的亚克力板在夹紧的状态下，重建的S3图像展示了应力双折射现象或者称为光弹性散射效应，这种现象对于人眼或传统相机是完全不可见的。在重建速度方面，网络能够以26 FPS的速度从原始数据中推理得到全Stokes偏振图像，满足了视频级成像的基本要求。
图2. 全Stokes偏振成像。使用所提出的超构表面偏振相机拍摄的室内（a到c）和室外（d）照片。在每种场景下，都展示了原始曝光图像、S0、幅角和偏振度。
图3. 圆偏振分量成像
研究团队通过联合超构表面光学和深度压缩感知理论，实现了全Stokes偏振成像。紧凑的系统构架、精确的偏振度量性能、像素级的成像分辨率和快速的重建算法展示了所提出的偏振相机在多种应用中的强大潜力，包括但不限于显微、机器视觉和遥感等领域。该方案是超构表面光学、深度学习以及压缩感知理论的深度融合，我们相信这种先进光场调控器件与智能重构算法的结合将催生更多先进的成像技术。
相关成果以“Disordered metasurface enabled single-shot full-Stokes polarization imaging leveraging weak dichroism”为题发表于Nature Communications。 本工作得到了科技部重点研发计划和国家自然科学基金等项目资助，以及人工微结构科学与技术协同创新中心、固体微结构物理国家重点实验室等平台的大力支持。南京大学特任副研究员范庆斌、博士研究生徐伟祝以及特任副研究员胡雪梅为该项工作的共同第一作者。现工院徐挺教授、陆延青教授，电子学院岳涛副教授以及闫锋教授为论文的共同通讯作者。
论文链接：https://doi.org/10.1038/s41467-023-42944-6
【文章来源：南大新闻】