2019 Fiscal Year Annual Research Report
Visualization of objects images hidden behind the scattering medium using light interference
| Project/Area Number |
17K05083
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
渡邉 歴 立命館大学, 理工学部, 教授 (90314377)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ディジタルホログラフィ / 散乱 / 拡散 / 機械学習 / ディープラーニング / 複素振幅 / 散乱イメージング |
|---|
| Outline of Annual Research Achievements |
生体組織，霧，不透明なガラスのような散乱または拡散媒体を通して画像化する技術が注目を集めている．散乱媒体，拡散媒体は，透過画像の品質を著しく低下させるため，光を用いて散乱媒質や拡散体の奥の物体の可視化は難しく技術が限られている．本研究では，光の干渉により散乱体内部の物体を高速にかつ広視野で可視化することを目的としてきた．ディジタルホログラフィは，光の干渉を利用して，物体の透過光の複素振幅を計測することができ，広い視野である深さの物体面の情報を可視化することができる．ディジタルホログラフィを用いた媒質の向こう側にある物体の複素振幅の再構成を提案してきた．再構成された画像の品質は拡散板から撮像素子までの距離および拡散板から物体までの距離に依存する．撮像素子から物体までの距離関係を変化させた場合の再構成画像への影響を画像のコントラストを用いて定量的に示した．
拡散媒体または散乱媒体を通過した物体像を機械学習により推定した．散乱光を除外するに空間フィルタリングにおける絞りの径の条件が再構成の精度に与える影響を調査した．入力画像には空間光変調素子にMNISTデータセットを表示した．各条件でスペックル画像を１０００枚ずつ取得し,入力画像として，８００組をディープラーニングの学習用とし，２００組をテスト用とした. ディープラーニングモデルを構築し，ディープラーニングによる学習, 再構成を評価した. 損失関数としてスパース予測を促進させる負ピアソン相関係数を用いた．絞りの開口径を小さくすることで散乱光が空間フィルタリングされ, 高精度な再構成が行われることを示した．
|
