研究背景

      日常生活中，成像是我們獲取信息的主要手段之一。作為一門古老的學科，光學成像經歷上千年的發展，出現了幾何成像、相干衍射成像、量子成像、計算成像等分支。成像的分辨率越來越高，應用的模式和場景也不斷增加。目前為止，光學成像的實際應用都集中在自由空間、透明介質或者弱散射環境下，云、霧、渾濁溶液、生物組織等散射介質仍然是光學成像難以逾越的障礙。數十年以來，科研人員嘗試了諸多方法克服散射對光學成像的影響，發展出了光學相位共軛、波前整形、散射矩陣測量、點擴散函數（PSF）卷積、散斑自相關等方法，各類輔助算法也蓬勃發展。但成像所能提升的透視能力并沒有質的飛躍，大多仍然停留在對薄的散射介質進行原理演示驗證的層面。另一方面，廣泛存在的散射現象對交通、遙感、醫療、科研等社會活動的方方面面造成嚴重制約，亟待增進了解和消除或者解決。

論文導讀

      成像的本質是信息的傳遞，信息論研究的是一維時間信息的傳遞，而成像是二維信息從物面傳遞到像面。信息傳遞的要素包括信源、信道和信宿，分別對應于目標物、成像光學系統、探測和圖像重建系統。以透鏡成像系統為例，信源是物面上的圖案，像面對應著信宿，信道則是物面和像面之間的自由空間及透鏡所組成的結構和通道。在這樣的模式中，物面和像面之間是點到點的映射關系，成像系統提供了映射通道。在相干\非相干照明下，信息對應于波前\光強分布，而波前\光強分布在系統中傳遞的過程可以被準確描述。換句話說，信道的結構和傳輸特性已知，其中成像質量，如視場和分辨率等，決定于信道特性。因而，了解和優化信道是提升成像能力的關鍵。在透過散射介質成像場景下，散射介質構成了信息傳遞的通道（也即信道），但由于光在散射介質內傳播過程由于大量的散射難以描述，信道的結構和特性未知，一般被視為“黑匣子”。要從根本上解決和優化透散射介質成像問題，就必須要想辦法了解甚至打開這個“黑匣子”。

主要研究內容

      散射介質是復雜的系統，光在其間傳播的具體物理過程難以用簡單的物理或數學模型描述，一直以來缺乏有效的研究工具。盡管如此，對于一個復雜系統，采集的大量數據隱含著其內在物理規律。深度學習不需要（或者稱之為淡化）物理建模，但網絡充分訓練后會反映相應的規律。利用這一特性，本研究將深度學習作為圖像提取的工具以及判斷像面有無包含信源信息的標準。實驗中，我們比較了非相干和相干兩種照明模式下，散射介質和大口徑光闌分別作為信息傳遞通道時（非相干光+毛玻璃，相干光+毛玻璃，非相干光+光闌，相干光+光闌）的成像特性，反映信息傳遞的效果。足夠多的訓練數據確保深度學習能夠充分提取采集圖案所包含的全部信息。

      在光闌和毛玻璃對比實驗的基礎上，為了進一步驗證我們的假說（毛玻璃高度起伏的隨機相位分布形成的微結構可構成新的信道，使得在非相干照明下也能傳遞物體信息），我們進一步設計了不同的周期相位光柵，然后在非相干照明下比較它們和毛玻璃信道傳遞信息的效果差異。同時，為排除可能存在的干擾因素，檢驗實驗結果的可靠性，在實驗的基礎上我們也進行了對應的模擬研究。

技術突破

      通過實驗和模擬研究我們首次發現散射介質內存在不同的微信道，并且隨著信源編碼方式的改變（本研究通過照明方式改變），散射介質可以自動切換信道。

      在相干照明下，光闌內的整個平面構成一個整體信道，信息能夠透過這個信道傳遞到像面進而被深度學習網絡或者其他方法所提取。這種情況下，像面上相機或者人員觀察到的是目標物的菲涅爾衍射花樣。非相干照明下，像面上是均勻的照明亮斑，不包含任何內部結構圖案。通過深度學習也無法重建物體圖像，證明像面上確實沒有包含有效信息。這意味著在非相干照明下，光闌信道無法傳遞信息。這個現象不難理解：非相干照明可以角譜展開，每一個角譜分量都會產生對應菲涅爾花樣，而展開的光角譜分布是均勻連續的，對應于菲涅爾花樣連續掃描，因而整個像面分布被抹平，沒有殘余有效信息。從信息論的角度來說，相干（頻域簡單編碼）和非相干照明（頻域復雜編碼）對應著兩種不同的信源編碼方式，而毛玻璃信道在兩種照明方式下都可以傳遞信息。基于這種差異，我們推定：在相干照明模式下，整塊毛玻璃構成類似光闌的信道，只是該信道是被毛玻璃的隨機相位分布編碼過；非相干照明模式下，毛玻璃的整體編碼信道失效，但毛玻璃隨機相位分布中存在的大量的微結構構建了新的信息傳遞通道。進一步的周期性相位光柵和毛玻璃的對比實驗和模擬結果都驗證了散射介質的微結構才是構成非相干照明下信道關鍵；沒有相應的微結構的話，即便存在其他結構，也無法構建有效的信道。

      除此之外，我們還發現，當不存在有效信道時，即便是空間平移不變系統也無法傳遞信息。空間平移不變性一直被視為系統能夠傳遞信息的充分條件，即系統輸出等于輸入和系統點擴散函數的卷積。

觀點評述

      盡管散射介質結構復雜，光在其中的傳播無法追跡，傳遞過程無法準確描述，仍然存在解構散射介質的可能。通過以深度學習作為信息解構的工具，本研究發現除了整體信道，散射介質的復雜微結構還會構成新的信道，完成圖像信息的傳遞，而不同的照明（即信源編碼）方式會自動激發對應的信道，也就是說散射介質能自動完成信道的切換。這一現象迥異于透鏡、光闌等傳統光學信道，它們不管照明方式如何改變，信道的結構不發生變化。基于此，未來我們有望更深入理解信息在散射介質內傳遞的具體過程，從而為透散射介質成像問題找到根本性解決方案。同時研究也再次確定深度學習可以作為強大的工具探索復雜系統的物理機制和規律，而不僅僅是復雜系統的近似模擬，這極大了拓展了深度學習可能的應用范圍，也將激發對深度學習的物理模型和機理的探索。

主要作者

      劉紅林，中國科學院上海光學精密機械研究所副研究員，研究方向包括光在生物組織、光纖、云霧等散射介質內的輸運，透過散射介質的成像和光場調控技術，聚焦探索新的物理現象和機制，開發成像和調控的新方法和新技術。在國際知名期刊Nature photonics、Advance Science, Photonics Research, Innovation等雜志上發表研究文章40余篇。

      賴溥祥，香港理工大學生物醫學工程系長聘副教授、博導，生物醫學光子學實驗室創始人。2016年入選國家高層次青年人才計劃，香港2016-2017年度杰出青年學者。長期致力于深層生物組織光學聚焦與成像研究，在諸如散射光聚焦、光聲成像、人工智能、光纖成像等方面在過去的十多年開展了大量原創和前瞻性的工作，以第一作者或者通訊作者在Nature Photonics, Nature Communications, Light: Science and Applications, Advanced Science等發表期刊論文近80篇，目前擔任數家學術期刊副主編或編委以及中國光學學會生物醫學光子學分會常委。

      張大偉，上海理工大學教授、教育部光學儀器與系統工程研究中心主任、上海市極端光學制造與檢測工程研究中心主任。教育部長江學者、國家萬人計劃、科技部中青年創新領軍人才、上海市青年科技英才、上海市曙光學者、上海市科技啟明星。研究方向是光學器件與系統，在Light: Science and Applications、Lab on a chip、ACS Appl. Mater. Interfaces、Optics Letter等國際著名期刊發表100余篇。

      張栩瑜，上海理工大學和中國科學院上海光學精密機械研究所聯合培養碩士研究生。本科畢業于哈爾濱工業大學（威海）光電科學系。主要研究方向為深度學習在散射成像機理研究上的應用。