上海光機所在三維化學發(fā)光光譜計算層析智能重建方面取得研究進展

近日，中科院上海光機所空天激光技術(shù)與系統(tǒng)部在基于物理增強神經(jīng)網(wǎng)絡的三維火焰化學發(fā)光光譜計算層析重建研究方面取得進展，相關(guān)研究成果以“PENTAGON: Physics-enhanced neural network for volumetric flame chemiluminescence tomography”為題發(fā)表于Optics Express。

光學計算層析技術(shù)通過利用探測器從單個或多個采集方向記錄未知物體的一維或二維信息，結(jié)合重建算法實現(xiàn)平面或立體可視化診斷。受限于實際場景中有限的采集數(shù)據(jù)，目前的迭代優(yōu)化類重建算法存在重建質(zhì)量不佳、計算耗時較長等問題。以數(shù)據(jù)驅(qū)動深度學習為代表的人工智能類算法在大量訓練數(shù)據(jù)時的獲取、網(wǎng)絡模型泛化性及可解釋性等方面存在局限性。

圖片:W020240926337616471509_ORIGIN.png

圖 1. 三維火焰化學發(fā)光光譜計算層析重建方法。(a) 傳統(tǒng)迭代類方法和基于數(shù)據(jù)驅(qū)動的深度學習方法，(b) 本研究提出的基于物理增強神經(jīng)網(wǎng)絡的體層析重建框架。

圖片:W020240926337616824714_ORIGIN.gif

圖 2. 三個采集視角條件下不同方法的重建結(jié)果對比。(a) 測試場T7, (b) 測試場T9。

在這項工作中，研究人員提出了一種基于物理增強的神經(jīng)網(wǎng)絡作為體層析重建的推理框架（PENTAGON）。以數(shù)據(jù)分布偏移和有限視角情況下的三維火焰化學發(fā)光光譜計算層析重建問題為例，通過數(shù)值模擬和實際火焰實驗展示了 PENTAGON 的可行性及有效性。利用來自小樣本訓練數(shù)據(jù)集的數(shù)據(jù)先驗信息和基于三維體層析前向成像模型的物理約束協(xié)同組合，PENTAGON可以準確重建出與訓練數(shù)據(jù)集在統(tǒng)計上差異很大的三維光場。數(shù)值仿真及火焰實驗證明PENTAGON 克服了數(shù)據(jù)分布偏移導致的數(shù)據(jù)驅(qū)動型深度學習方法的泛化限制，并消除了傳統(tǒng)迭代算法在有限投影情況下為三維重建結(jié)果帶來的失真。此外，PENTAGON能夠?qū)⒉煌�任務的特定物理模型合并到框架中，使重建網(wǎng)絡框架在一定程度上具有可解釋性。該研究為有限投影數(shù)據(jù)情況下光學計算層析三維重建提供了一種新方法。

此項研究得到了國家自然科學基金、上海市啟明星計劃（揚帆專項）、上海市優(yōu)秀學術(shù)帶頭人等項目的支持。

相關(guān)鏈接：https://doi.org/10.1364/OE.536550