利用前向散射效应实现高动态范围成像：突破传统图像处理的限制

《PhotoniX》：Harnessing forward scattering effect for high dynamic imaging

为解决高动态范围（HDR）场景中明亮和暗弱区域难以同时清晰成像的问题，研究人员开展了利用光学前向散射效应实现高动态成像的研究。他们通过结合数字微镜器件（DMD）和散射扩散器，开发了一种非线性反卷积和图像融合方法，成功从动态范围仅88.5 dB的探测器重建出130.01 dB的HDR场景，强度差异达119倍。该研究为极端光照条件下的光电成像应用提供了新解决方案。

　　

在光电成像技术广泛应用于工业自动化、生物医学检测和天文观测等领域的今天，动态范围作为一个关键成像参数，决定了光学系统能够清晰捕捉的明暗范围。然而，传统光电成像系统在面对高动态范围（HDR）场景时存在明显局限——就像驾驶员从昏暗隧道驶入明亮环境时会暂时视觉受损一样，这些系统由于动态范围有限，无法同时准确捕捉高强度光和低光区域的精细细节。虽然自动曝光算法能让光电探测器适应不同光强度，但它们无法解决动态范围限制，还可能导致明亮区域的图像开花现象。在极端情况下，强烈的正面光甚至会掩盖微弱细节并损坏探测器。

为了解决这一挑战，多种高动态范围成像策略被探索过。多曝光融合方法通过捕获不同曝光水平的多幅图像并进行融合，但这种方法仅限于相对静态的场景。数字微镜器件（DMD）方法虽然能在单帧内实现空间变化的曝光，但需要对静态物体进行多次迭代恢复。事件相机虽然能增强动态范围，但对静态场景成像困难且捕获的细节有限（通常每像素只有1比特信息）。这些技术虽然代表了HDR成像的重要进展，但在任意高动态范围场景中仍然存在挑战。

在这项发表于《PhotoniX》的研究中，乔敏达等人提出了一种新颖的动态范围扩展方法，利用DMD和散射扩散器构建光学二次成像系统。研究人员没有依赖更高性能的光电探测器，而是通过引入散射过程将HDR成像挑战转化为非直接图像重建问题。散射过程在传统光学成像中扩散了高度聚焦的能量，结合DMD提供的精确区域门控，这种方法能够使用同一探测器捕获的信息高保真地重建明亮和暗弱区域。

研究人员采用了几个关键技术方法：基于斑点背景噪声估计的非线性反卷积方法用于抑制不必要的背景噪声并提高重建的信噪比；交叉相关和拉普拉斯金字塔融合（CC-LPF）方法用于准确重建光学记忆效应（OME）范围之外的物体轮廓；通过泊松抠图方法生成DMD掩模，实现微弱细节光与强烈正面光的分离。实验系统使用数字微镜设备（HDSLM108D95-Smart）和散射扩散器（DG20-600，Thorlabs），探测器采用动态范围为88.5 dB的高分辨率CMOS（PCO. panda 4.2bi）。研究对象包括漫反射物体和针孔，模拟真实世界物体场景。

实验系统及其固有特性

研究团队建立了由两个4f系统、DMD、散射扩散器和CMOS探测器组成的实验系统。通过测量光学记忆效应（OME）范围，确定水平OME范围在DMD上为4.861 mm，在物平面上为7.292 mm。研究人员生成了25个点物体来产生系统的点扩散函数（PSF），这些PSF对于后续校准成像系统至关重要。

OME范围内的物体重建结果

在第一个实验中，使用4×4 mm的物体（中文"西电"字符）创建动态范围达130.01 dB的HDR场景。传统光电成像无法显示HDR场景中的微弱物体细节，而通过捕获斑点I₁，应用斑点背景噪声估计方法获得处理后的斑点?₁，再使用非线性反卷积方法处理，成功重建了物体的轮廓信息（重建R1）。通过泊松抠图生成二进制掩模并上传到DMD，利用其门控功能完全反射强烈正面光，仅让微弱细节光沿原光路传播，最终成功重建了物体的微弱细节。

点物体重建结果

在强烈正面光和微弱点物体共存的场景中，使用75μm和50μm针孔作为点物体，中性密度滤光片衰减入射到点物体上的能量，模拟微弱细节场景。通过类似的处理流程，该方法成功处理并准确恢复了两种类型的物体，证明了其在处理具有显著动态范围差异的物体方面的有效性。

OME范围外的物体重建

为了验证方法在扩展场视角（FOV）方面的有效性，研究人员将12×12 mm的物体放置在光学记忆效应范围之外，创建动态范围为115.5 dB的HDR场景。使用预校准的PSF，捕获的斑点I₁被处理产生子重建，应用CC-LPF方法对齐和合并子重建，获得最终重建。通过生成掩模并上传到DMD，捕获包含物体详细信息的斑点I₂，成功获得了OME之外的微弱细节。

微小间隙场景下的重建

在更接近真实条件的实验中（微弱细节与强烈正面光之间间隙更小），放置9×7 mm火焰物体在OME之外。传统光电成像无法显示HDR场景中的微弱细节，而通过相同的处理流程，即使在这种挑战性条件下，该方法也能成功重建精细目标细节，证明了其对明亮和暗弱区域未物理分离的HDR场景的鲁棒性和适用性。

讨论分析

通过比较使用捕获斑点和处理后的斑点进行的重建，研究表明基于斑点背景噪声估计的方法能有效提高图像质量并抑制噪声。非线性反卷积方法中的参数α和β实现了保留精细物体细节和抑制背景噪声之间的微妙平衡，需要针对不同HDR场景仔细调整这些参数以获得最佳重建效果。

研究的主要贡献在于为HDR成像提供了一种新颖解决方案。当前形式的方法需要大致估计目标与成像系统的距离以确保正确对焦。如果目标位置完全未知，仍然可以通过逐步搜索、顺序调整焦点并在每一步评估结果来实现成像，但这个过程耗时较长，使得当前实现不太适合快速变化的场景。这不是根本限制，通过进一步优化重建算法，例如结合基于深度学习的策略，可以显著提高重建效率，使方法能够适应更复杂和动态的真实世界场景。

对于未来应用，该方法依赖于与散射介质或调制设备对应的预校准PSF。散射介质的显著变化可能需要重新校准以保持重建保真度。通过用相位板替换散射介质来改进系统架构，可以创建一个可控的HDR成像系统，具有增强的稳定性、适应性，并与更快的探测器和高速度DMD调制结合时具有实时操作的潜力。

结论与意义

该研究提出了一种通过结合散射扩散器和DMD来扩展成像动态范围的新方法。散射扩散器的引入有效隔离了受强烈正面光影响的区域，同时消除了生成掩模多次迭代的必要性，显著降低了计算复杂度。在DMD的辅助下，微弱细节可以轻松地从强烈正面光中分离出来。通过概念验证实验验证了该方法的可行性，证明了其在复杂HDR场景下准确捕捉明亮和暗弱区域的能力。此外，通过整合先进的基于斑点背景噪声估计的非线性反卷积方法并采用图像配准和融合技术，增强了成像精度和适应性。根据提出的方法，DMD和扩散器可以根据实际情况替换为类似设备，如LCoS和相位板，赋予高动态成像系统灵活性和可扩展性。研究结果表明，这种方法可以为极端成像条件下的物体检测和分析提供可靠解决方案。