摘要：莱茵伯格照明是显微成像中光学染色的一种方式,照明光源通过特殊的滤色片使样品与背景产生色差,有效提高无色透明样品的对比度。基于可编程液晶显示器(LCD)的莱茵伯格照明显微系统将传统显微镜中聚光镜光阑替换成低成本的薄膜晶体管液晶显示器只需改变其照明图案,就能够实现明场、暗场、相位差、倾斜成像以及莱茵伯格照明等多种显微成像功能。并且由于LCD面板的颜色与光强灵活可调,系统可以衍生出彩虹暗场、彩虹相差等全新的光学染色方法。采用该系统对未染色的肺癌细胞、纺织纤维、小鼠肾脏切片等无色透明样品进行显微观察,验证了系统的多样性与可靠性。

摘要：针对传统的单幅散斑图像匹配算法测量精度低且无法测量复杂面型物体等问题,提出了一种基于深度学习的散斑投影轮廓术,即通过深度学习的方法实现散斑图像的逐像素匹配。设计利用孪生卷积神经网络结构,将目标散斑图像和参考散斑图像以图像块的形式输入神经网络。通过卷积层运算提取散斑图像块的特征信息,进而将子网络得到的特征信息融合为两个图像块之间的匹配系数,以获得散斑图像的视差数据,并最终可将视差数据转化为物体的三维信息。实验结果表明,该方法可以通过单幅散斑图像实现精度约为290μm的三维轮廓测量。

摘要：散斑投影轮廓术通过投影单幅随机散斑图案编码场景的深度信息,利用散斑匹配技术建立立体图像间的全局对应关系,从而实现单帧3D重建。但由于被测物体表面的复杂反射特性和双相机间存在的视角差异,投影单幅散斑图案无法为整个测量空间中每个像素编码全局唯一的特征,由此带来的误匹配问题导致测量精度较低,难以满足一些工业场景的高精度测量需求。提出一种基于垂直腔面发射激光器(VCSEL)投影阵列的散斑结构光三维成像技术及其传感器设计方法,所研制的三维结构光传感器集成了3个小型化散斑投影模组,投影一组空间位置不同的散斑图案,对被测场景的深度信息进行高效时空编码。提出一种由粗到精的时空散斑相关算法,以提升测量精度,重建复杂物体的精细轮廓。通过精度分析、三维模型扫描、小目标金属零件检测、复杂场景测量等实验证明,所提三维结构光传感器实现了远距离、大视场的高精度三维测量,可潜在应用于零件分拣、机器人码垛等工业场景。

摘要：传统光学成像实质上是场景强度信号在空间维度上的直接均匀采样记录与再现的过程。在此过程中,成像的分辨率与信息量不可避免地受到光学衍射极限、探测离散器采样、成像系统空间带宽积等若干物理条件制约。如何突破这些物理限制,获得分辨率更高,视场更宽广的图像信息,是该领域的永恒课题。本文概括性地介绍了分辨率、超分辨率与空间带宽积拓展的相关基础理论,核心机理及其在计算光学成像中的若干实例。通过将这些具体个案置入“计算光学成像”这个更高维度的体系框架去分析与探讨,揭示了它们大多数都可以被理解为一种可称作“空间带宽积调控”策略,即利用成像系统的可用自由度,在成像系统有限空间带宽积的限制下,以最佳方式进行编解码和传递信息的过程,或者形象地说——“戴着脚镣跳舞”。这实质上是一种在物理限制下,在“得”与“失”之间所作出的符合规律的权衡与选择。本文的结论有望为设计和探索面向各类复杂现实成像应用的新型成像机理与方法提供有益启示。