近日，中国科学院西安光机所联合加拿大国立科学研究院（INRS）和西北大学，在压缩高速成像领域取得重要进展。相关研究成果发表于《超快科学》（Ultrafast Science，IF 9.9）。论文共同第一作者为西安光机所栗星博士、王思颖博士和西北大学博士陈长恒，通讯作者为西安光机所柏晨研究员和姚保利研究员，西安光机所为第一完成单位及通讯单位。
压缩高速成像的核心难题，在于从复杂逆问题中高保真地重建动态序列。传统深度学习方法通常依赖于大量训练数据，且普遍存在泛化能力有限、易引入伪影等问题。而现有的物理增强框架大多局限于单一任务先验，难以有效应对超快成像场景中噪声、帧间串扰等多维度干扰带来的复合成像难题。
为此，西安光机所研究团队提出多先验物理增强神经网络（mPEN）成像框架（如图1所示），团队创新性地将光致发光动力学物理模型、扩展采样先验、稀疏性约束、深度图像先验等多先验信息深度融入非训练神经网络。通过多重互补先验的协同修正，有效抑制了重建伪影、纠正空间畸变并提升空间分辨率，特别是在低光子条件下表现出较强的鲁棒性。
图 1mPEN-sCUPLI 深度学习网络架构。该框架融合了物理模型、扩展采样先验、稀疏性约束和深度图像等先验，解决了传统方法的不稳定性。
在此基础上，研究团队进一步构建了基于双光路同步采集与多先验物理增强深度学习融合的压缩高速成像系统（如图2所示）。
该系统采用脉冲激光作为激发光源，并通过数字微镜器件（DMD）加载伪随机图案对动态场景进行空间编码。动态场景的光信号被划分为两个路径：在编码路径中，通过振镜扫描将时间信息转化为空间剪切偏移，并由CMOS相机捕获；在先验采样路径中，另一台同步的CMOS相机直接采集场景的未编码积分图像。系统通过数字延迟发生器与信号发生器协同调度，实现对光源、振镜与双相机的精密同步控制。最终，该系统结合人工智能赋能的图像重建方法，在维持高空间分辨率的同时，实现了高保真的高速动态成像。
图2 基于多先验物理增强深度学习的压缩高速成像光路
基于该光路系统，研究团队提出的多先验物理增强深度学习方法在光致发光成像中展现了较高的保真度。实验结果（如图3所示）表明，空间分辨率明显提升：在33,000 fps的帧率下达到~90.5 lp/mm，是基于TwIST的传统COSUP方法的3.56倍。在重构质量方面，图像锐度与保真度增强了约1.85倍，峰值信噪比（PSNR）平均提升约4dB，有效解决了图像重构过程中的伪影干扰与畸变问题。
图3 空间分辨率对比结果。(a)对比TwIST、PnP-ADMM等之前方法，最右列mPENFFDNET方法清晰分辨了分辨率板的细节，实现了约3.56倍（较基于TwIST的传统COSUP方法）的分辨率提升。(b)动态重构序列与截线强度曲线（白线处），验证了动态分辨率一致性。
该技术展现出广阔的应用前景。研究团队已将其应用于食品安全检测领域，借助稀土掺杂上转换纳米探针，成功在酒精溶液中实现对合成色素苋菜红浓度的微秒级荧光寿命无损检测，为痕量物质的快速精准分析提供了全新技术路径。
图4 酒精溶液中色素浓度检测。(a-b)mPENFFDNET与PnP-ADMM方法的重构结果对比及图像细节展示，结果显示mPENFFDNET有效抑制了前者存在的伪影与强度不均匀，实现了更高保真的细节重建；(c)为图(a)橙色虚线框区域对应的3D强度分布（3D profiles）对比，结果显示mPENFFDNET有效消除了PnP-ADMM结果中的锯齿状起伏与背景噪声，使重构表面更圆滑、背景更纯净，直观体现了系统对伪影的有效抑制；(d-e)荧光衰减曲线及平均寿命分析。实验证实，通过高保真重建可定量表征荧光寿命随色素浓度增加的猝灭效应。
团队在此领域的研究工作得到了国家自然科学基金、国家重点研发计划、中国科学院青年创新促进会等项目的支持。
西安光机所姚保利研究员团队近年来对智能光学显微成像技术进行了深入研究，形成了多种新型光学显微成像技术，在成像功能、信息获取维度、性能指标等方面均获得显著提升，包括利用深度学习技术实现的全彩宽场显微光切片三维成像、共聚焦显微快速超分辨三维成像、快速光片三维显微成像，以及利用压缩感知技术实现的高分辨率高信噪比的光片显微成像、透过散射介质计算成像等。相关研究成果发表于Opto-Electron. Adv.、Photon. Res.、Opt. Lett.、Opt. Express等期刊。
图 姚保利研究员团队
此外，西安光机所姚保利研究员团队在基于光场调控的光学显微成像和光学微操纵方面开展了长期的理论和实验研究工作，在PNAS、Nature Com.、Sci. Adv.、PRL、Rep. Prog. Phys.、Adv. Opt. Photon.等期刊上发表300多篇论文，授权多项国家发明专利，曾获陕西省科学技术一等奖、二等奖和陕西省重点科技创新团队等奖励和荣誉。
