कम प्रकाश स्तर पर एकल-पिक्सेल डिटेक्टरों के साथ अल्ट्रा-हाई-स्पीड कलर इमेजिंग

1. परिचय

कम-प्रकाश स्थितियों में अल्ट्रा-हाई-स्पीड इमेजिंग बायोफोटोनिक्स (जैसे, कोशिकीय गतिकी का अवलोकन) और माइक्रोफ्लुइडिक्स जैसे क्षेत्रों में एक महत्वपूर्ण चुनौती है। CCD और CMOS जैसे पारंपरिक पिक्सलेटेड सेंसर फ्रेम दर और संवेदनशीलता के बीच एक मौलिक समझौते का सामना करते हैं। उच्च-गति वाले प्रकारों को तीव्र प्रकाश की आवश्यकता होती है, जो नाजुक नमूनों को नुकसान पहुंचा सकता है। यह पत्र पारंपरिक सेंसरों की सीमाओं को दरकिनार करते हुए, कम-प्रकाश स्थितियों में 1.4 MHz फ्रेम दर पर वीडियो इमेजिंग प्राप्त करने के लिए एक तेज़ RGB LED ऐरे के साथ एकल-पिक्सेल इमेजिंग (SPI) का उपयोग करने वाली एक सफल विधि प्रस्तुत करता है।

2. पद्धति एवं सिस्टम डिज़ाइन

मुख्य नवाचार कम्प्यूटेशनल घोस्ट इमेजिंग सिद्धांतों को एक उच्च-गति मॉड्यूलेशन स्रोत के साथ जोड़ने में निहित है।

2.1 एकल-पिक्सेल इमेजिंग का मूल सिद्धांत

SPI सीधे एक छवि को स्थानिक रूप से हल नहीं करता है। इसके बजाय, यह किसी वस्तु को प्रकाशित करने के लिए ज्ञात, संरचित प्रकाश पैटर्न (जैसे, LED ऐरे से) के एक क्रम का उपयोग करता है। एक एकल, अत्यधिक संवेदनशील "बकेट" डिटेक्टर (जैसे फोटोमल्टीप्लायर ट्यूब या एकल-फोटॉन एवलांच डायोड) प्रत्येक पैटर्न के लिए परावर्तित या संचरित प्रकाश की कुल तीव्रता एकत्र करता है। छवि को इस श्रृंखला में स्केलर माप और ज्ञात पैटर्न से कम्प्यूटेशनल रूप से पुनर्निर्मित किया जाता है।

2.2 RGB LED ऐरे मॉड्यूलेटर

मुख्य सक्षम करने वाला हार्डवेयर एक कस्टम RGB LED ऐरे है जो 100 MHz तक की पूर्ण-रेंज फ्रेम दर पर संरचित प्रकाश पैटर्न उत्पन्न करने में सक्षम है। यह डिजिटल माइक्रोमिरर डिवाइस (DMDs) जैसे धीमे स्पेशियल लाइट मॉड्यूलेटर (SLMs) की जगह लेता है, जो आमतौर पर दसियों kHz तक सीमित होते हैं। LEDs का तेज़ स्विचिंग त्वरित पैटर्न प्रक्षेपण की अनुमति देता है, जो सीधे मेगाहर्ट्ज़-स्केल इमेजिंग गति को सक्षम बनाता है।

2.3 सिग्नल डिटेक्शन एवं पुनर्निर्माण

कम-प्रकाश संचालन के लिए, एक एकल-फोटॉन डिटेक्टर (SPD) का उपयोग बकेट डिटेक्टर के रूप में किया जाता है, जो लगभग आदर्श डिटेक्शन दक्षता प्रदान करता है। पुनर्निर्माण एल्गोरिदम, कम्प्यूटेशनल घोस्ट इमेजिंग पर आधारित, माप $B_i$ और ज्ञात पैटर्न मैट्रिक्स $P_i(x, y)$ की श्रृंखला को देखते हुए वस्तु की परावर्तकता/संचरणशीलता मैट्रिक्स $O(x, y)$ को हल करता है: $B_i = \sum_{x,y} P_i(x, y) \cdot O(x, y) + \text{noise}$। यदि माप की संख्या पिक्सेल की संख्या से कम है तो कम्प्रेसिव सेंसिंग जैसी तकनीकों को लागू किया जा सकता है।

3. प्रायोगिक सेटअप एवं परिणाम

3.1 उच्च-गति प्रोपेलर इमेजिंग

सिस्टम की क्षमता को एक उच्च-गति घूर्णन प्रोपेलर की इमेजिंग करके प्रदर्शित किया गया। 1.4 MHz फ्रेम दर ने गति धुंधलापन के बिना प्रोपेलर की गति को सफलतापूर्वक कैप्चर किया, जो समतुल्य कम-प्रकाश परिदृश्यों में पारंपरिक उच्च-गति कैमरों के साथ असंभव होता। यह सिस्टम के अल्ट्रा-हाई-स्पीड इमेजिंग प्रदर्शन के प्रत्यक्ष, मूर्त सत्यापन के रूप में कार्य करता है।

चार्ट विवरण (अंतर्निहित): पुनर्निर्मित छवियों का एक समय-श्रृंखला अनुक्रम जो क्रमिक माइक्रोसेकंड-स्केल फ्रेम में प्रोपेलर ब्लेड की स्पष्ट, अलग-अलग स्थितियों को दर्शाता है, जो प्रभावी अस्थायी रिज़ॉल्यूशन साबित करता है।

3.2 एकल-फोटॉन डिटेक्टरों के साथ कम-प्रकाश प्रदर्शन

एकल-फोटॉन डिटेक्टरों को एकीकृत करके, सिस्टम की संवेदनशीलता में भारी वृद्धि हुई, जिससे फोटॉन-वंचित स्तरों पर इमेजिंग संभव हुई। पत्र इसे फोटोनिक टाइम स्ट्रेच (PTS) तकनीक के साथ विरोधाभासित करता है, यह ध्यान देते हुए कि हालांकि PTS भी एक एकल-पिक्सेल डिटेक्टर का उपयोग करता है, यह स्वाभाविक रूप से संवेदनशीलता में सुधार नहीं करता है क्योंकि यह केवल स्थानिक जानकारी को समय में एनकोड करता है। घोस्ट इमेजिंग दृष्टिकोण, अपने बकेट डिटेक्टर के साथ, वास्तुकला से प्रकाश संग्रह को अधिकतम करता है।

प्रदर्शन सारांश

फ्रेम दर: 1.4 MHz (प्रदर्शित वीडियो)
मॉड्यूलेशन दर: 100 MHz तक (LED ऐरे क्षमता)
डिटेक्शन: एकल-फोटॉन संवेदनशीलता सक्षम
रंग क्षमता: RGB LED-आधारित रंग इमेजिंग

4. तकनीकी विश्लेषण एवं गणितीय ढांचा

छवि पुनर्निर्माण मूल रूप से एक व्युत्क्रम समस्या है। $N$ माप और $M \times M$ पिक्सेल रिज़ॉल्यूशन की एक छवि के लिए, इस प्रक्रिया को $\mathbf{b} = \mathbf{A}\mathbf{o} + \mathbf{n}$ को हल करने के रूप में तैयार किया जा सकता है, जहां:

$\mathbf{b}$ बकेट डिटेक्टर माप का $N \times 1$ वेक्टर है।
$\mathbf{o}$ $M^2 \times 1$ वेक्टर है जो समतल छवि का प्रतिनिधित्व करता है।
$\mathbf{A}$ $N \times M^2$ माप मैट्रिक्स है, प्रत्येक पंक्ति एक समतल प्रकाश पैटर्न है।
$\mathbf{n}$ शोर का प्रतिनिधित्व करता है।

$N << M^2$ के साथ, कम्प्रेसिव सेंसिंग एल्गोरिदम (जैसे, $L_1$-नॉर्म मिनिमाइजेशन पर आधारित) का उपयोग किया जाता है: $\hat{\mathbf{o}} = \arg\min_{\mathbf{o}} \|\mathbf{b} - \mathbf{A}\mathbf{o}\|_2^2 + \lambda \|\Psi\mathbf{o}\|_1$, जहां $\Psi$ एक स्पार्सिफाइंग ट्रांसफॉर्म (जैसे, वेवलेट) है और $\lambda$ एक रेगुलराइजेशन पैरामीटर है। RGB ऐरे का उपयोग लाल, हरे और नीले चैनलों के लिए स्वतंत्र माप/मॉड्यूलेशन करके इसे रंग तक विस्तारित करता है।

5. विश्लेषण ढांचा: मूल अंतर्दृष्टि एवं आलोचना

मूल अंतर्दृष्टि: यह कार्य केवल एक वृद्धिशील गति बढ़ोतरी नहीं है; यह CMOS/CCD सेंसरों को सीमित करने वाली सेमीकंडक्टर भौतिकी के चारों ओर एक रणनीतिक चक्कर है। स्थानिक रिज़ॉल्यूशन (कम्प्यूटेशनल रूप से संभाला गया) को प्रकाश संग्रह (एक एकल, इष्टतम डिटेक्टर द्वारा संभाला गया) से अलग करके, लेखक उस क्षेत्र का लाभ उठाते हैं जहां डिटेक्टर तेज़ और संवेदनशील दोनों हो सकते हैं। असली प्रतिभा स्पेशियल लाइट मॉड्यूलेटर के रूप में एक RGB LED ऐरे का चयन है। लैंडमार्क एकल-पिक्सेल कैमरा कार्य (जैसे राइस यूनिवर्सिटी से) में उपयोग किए गए DMDs के विपरीत, LEDs नैनोसेकंड गति से स्विच कर सकते हैं, जो SPI की पारंपरिक बाधा पर सीधे हमला करते हैं। यह कम्प्यूटेशनल इमेजिंग में अन्यत्र देखे गए प्रतिमान बदलाव को दर्शाता है, जैसे न्यूरल रेडिएंस फील्ड्स (NeRF) में, जहां दृश्य प्रतिनिधित्व को प्रत्यक्ष कैप्चर से एक सीखे हुए, मॉडल-आधारित पुनर्निर्माण में स्थानांतरित किया जाता है।

तार्किक प्रवाह एवं शक्तियां: तर्क अचूक है: 1) गति-संवेदनशीलता समझौते को मूल समस्या के रूप में पहचानें। 2) इसकी वास्तुकला संवेदनशीलता लाभ के लिए SPI चुनें। 3) मॉड्यूलेटर गति को नई बाधा के रूप में पहचानें। 4) धीमे मॉड्यूलेटर (DMD) को तेज़ मॉड्यूलेटर (LED ऐरे) से बदलें। 5) एक क्लासिक उच्च-गति लक्ष्य (प्रोपेलर) के साथ सत्यापित करें। शक्तियां स्पष्ट हैं: कम प्रकाश में मेगाहर्ट्ज़-स्केल फ्रेम दर अभूतपूर्व है। बहु-स्पेक्ट्रल इमेजिंग के लिए रंगीन RGB LEDs का उपयोग एक व्यावहारिक और प्रभावी समाधान है, स्पेक्ट्रल स्कैनिंग दृष्टिकोणों की तुलना में अधिक सीधा।

दोष एवं महत्वपूर्ण अंतराल: हालांकि, पत्र महत्वपूर्ण व्यावहारिक बाधाओं पर सतही रूप से विचार करता है। पहला, ज्ञात, दोहराव वाले पैटर्न की आवश्यकता का मतलब है कि यह वर्तमान में अप्रत्याशित, गैर-स्थिर दृश्यों के लिए अनुपयुक्त है जब तक कि इसे अनुकूली पैटर्न जनरेशन के साथ जोड़ा न जाए—इन गति पर एक प्रमुख कम्प्यूटेशनल चुनौती। दूसरा, हालांकि बकेट डिटेक्टर संवेदनशील है, कुल प्रकाश बजट अभी भी स्रोत द्वारा सीमित है। दूरी पर एक मंद, तेज़ी से चलती वस्तु की इमेजिंग समस्याग्रस्त बनी हुई है। तीसरा, 1.4 MHz पर रीयल-टाइम, उच्च-रिज़ॉल्यूशन वीडियो के लिए पुनर्निर्माण एल्गोरिदम की विलंबता और कम्प्यूटेशनल लागत पर ध्यान नहीं दिया गया है। यह अभी तक एक "कैमरा" नहीं है; यह संभवतः ऑफ़लाइन प्रोसेसिंग के साथ एक उच्च-गति इमेजिंग सिस्टम है। उच्च-गति ट्रैकिंग के लिए इवेंट-आधारित कैमरों (जैविक रेटिना से प्रेरित) की मजबूती की तुलना में, यह SPI विधि अधिक जटिल और परिदृश्य-निर्भर है।

कार्रवाई योग्य अंतर्दृष्टि: शोधकर्ताओं और इंजीनियरों के लिए, निष्कर्ष दोहरा है। 1. मॉड्यूलेटर नवाचार महत्वपूर्ण है: उच्च-गति SPI का भविष्य और भी तेज़, उच्च-रिज़ॉल्यूशन प्रोग्रामेबल प्रकाश स्रोतों (जैसे, माइक्रो-LED ऐरे) के विकास में निहित है। 2. एल्गोरिदम-हार्डवेयर सह-डिज़ाइन गैर-परक्राम्य है: प्रयोगशाला प्रदर्शनों से आगे बढ़ने के लिए, समर्पित ASICs या FPGA पाइपलाइन बनाने में निवेश किया जाना चाहिए जो कम्प्रेसिव सेंसिंग पुनर्निर्माण को रीयल-टाइम में कर सकें, डीप लर्निंग के हार्डवेयर विकास के समान। इस क्षेत्र को मशीन लर्निंग-त्वरित पुनर्निर्माण की ओर देखना चाहिए, जैसे AI ने MRI छवि पुनर्निर्माण को कैसे बदल दिया, कम्प्यूटेशनल बाधा से निपटने के लिए। यह कार्य एक शानदार प्रूफ-ऑफ-कॉन्सेप्ट है जो संभव को पुनर्परिभाषित करता है, लेकिन एक वाणिज्यिक या व्यापक रूप से तैनाती योग्य उपकरण के मार्ग के लिए सिस्टम इंजीनियरिंग चुनौतियों को हल करने की आवश्यकता है जो यह स्पष्ट रूप से उजागर करता है।

6. भविष्य के अनुप्रयोग एवं विकास दिशाएं

बायोमेडिकल इमेजिंग: फोटोटॉक्सिक प्रकाश के बिना इंट्रासेल्युलर परिवहन, केशिकाओं में रक्त प्रवाह, या जीवित में तंत्रिका गतिविधि का रीयल-टाइम अवलोकन।
औद्योगिक निरीक्षण: उच्च-गति विनिर्माण प्रक्रियाओं (जैसे, माइक्रोफैब्रिकेशन, प्रिंटिंग) की निगरानी या कम-प्रकाश परीक्षण वातावरण में तनाव के तहत सामग्री फ्रैक्चर का विश्लेषण।
वैज्ञानिक संवेदन: उन स्पेक्ट्रल रेंज में इमेजिंग जहां तेज़, संवेदनशील पिक्सलेटेड ऐरे महंगे या अनुपलब्ध हैं (जैसे, शॉर्ट-वेव इन्फ्रारेड, THz)।
विकास दिशाएं:
1. अनुकूली पैटर्न जनरेशन और तेज़, अधिक मजबूत छवि पुनर्निर्माण के लिए मशीन लर्निंग के साथ एकीकरण।
2. स्थानिक रिज़ॉल्यूशन और पैटर्न जटिलता में सुधार के लिए उच्च-घनत्व और तेज़ माइक्रो-LED ऐरे का विकास।
3. पोर्टेबल या एंडोस्कोपिक अनुप्रयोगों के लिए सिस्टम का लघुकरण।
4. कम-प्रकाश उच्च-गति इमेजिंग में शास्त्रीय संवेदनशीलता सीमाओं को पार करने के लिए उलझे हुए फोटॉन जोड़े का उपयोग करके क्वांटम-वर्धित प्रोटोकॉल की खोज।

7. संदर्भ

Zhao, W., Chen, H., Yuan, Y., et al. "Ultra-high-speed color imaging with single-pixel detectors under low light level." arXiv:1907.09517 (2019).
Duarte, M. F., et al. "Single-pixel imaging via compressive sampling." IEEE Signal Processing Magazine 25.2 (2008): 83-91. (सेमिनल राइस यूनिवर्सिटी एकल-पिक्सेल कैमरा कार्य)।
Boyd, S., et al. "Distributed optimization and statistical learning via the alternating direction method of multipliers." Foundations and Trends® in Machine learning 3.1 (2011): 1-122. (पुनर्निर्माण एल्गोरिदम के लिए)।
Mildenhall, B., et al. "NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis." ECCV (2020). (उन्नत कम्प्यूटेशनल इमेजिंग का उदाहरण)।
Lichtman, J. W., & Conchello, J. A. "Fluorescence microscopy." Nature methods 2.12 (2005): 910-919. (कम-प्रकाश जैविक इमेजिंग चुनौतियों पर संदर्भ)।
Hamamatsu Photonics. "Single Photon Avalanche Diode (SPAD) Technology." (एकल-फोटॉन डिटेक्टरों के लिए वाणिज्यिक स्रोत)।