分光偏振成像获取多维信息的神奇方式

在光学领域，捕获高维光学信息对于理解和表征不同场景中的各种目标至关重要。这包括辐照度、光谱、空间、偏振和相位等重要方面。然而，找到一个能够有效收集所有这些信息的单一系统——同时又轻巧、便携和具有成本效益——是相当具有挑战性的。

进入压缩全斯托克斯光谱偏振成像(SPI)——一种将被动偏振调制器(PM)集成到通用成像光谱仪中的强大技术。这种方法允许从不完整的测量中捕获高维信息。唯一的问题是需要重建算法来恢复描述电磁辐射状态的每个Stokes参数的3D数据立方体(x、y和λ)。不幸的是，现有的PM很复杂并且需要精确的偏振校准，而当前的重建算法通常图像质量差并且对噪声敏感。

幸运的是，中国西安交通大学的一组研究人员提出了一种创新的解决方案。正如AdvancedPhotonicsNexus报道的那样，他们开发了一种被动光谱偏振调制技术，使用一个多阶延迟器和一个偏振器。他们为SPI创建统一的前向成像模型，提出了一种结合深度图像先验和稀疏先验的重建算法。最好的部分是他们的方法不需要训练数据或精确的偏振校准，它可以在实现自校准的同时重建3D数据立方体。这种称为DIP-SP的新方法对噪声具有很强的鲁棒性，并显着提高了重建图像的质量。

为了证明其技术的可行性和有效性，研究人员将最简单的PM集成到微型快照成像光谱仪中，创建了单次SPI原型。通过模拟和实验，他们表明他们的SPI方案优于现有方法。他们方法的美妙之处在于，它允许通用光谱成像系统在不改变其内在机制的情况下成为无源全斯托克斯SPI系统。

DIP-SP方法的优点是多方面的。首先，它可以实现最简单的被动PM方案，使编码和解码成为可能。其次，它消除了对额外训练数据的需求，可以应用于不同的应用。第三，它还消除了其他方法所需的耗时的场景相关正则化参数搜索。第四，由于使用了前向成像模型，神经网络的输出是物理约束和可解释的。最后，测量矩阵的精确校准是不必要的，粗略的初步偏振校准是可以接受的。通过修改测量矩阵，该方法还有可能适用于其他PM方案。

所提出的SPI方案可用于工业检测和机器视觉，这些领域通常需要快照功能，并且在使用微型无人机或地面车辆进行监视方面也具有潜在的应用。在生物医学诊断领域，可方便适配荧光显微镜、共聚焦显微镜、检眼镜、内窥镜、喉镜等各种商用显微镜。

总的来说，创新的DIP-SP方法为微型SPI系统的开发开辟了令人兴奋的可能性，利用自由空间光学元件和芯片级集成与硅光子电路或超表面。它的简单性、有效性和广泛的应用使其成为光学成像领域的重大进步。