Pencitraan Warna Kelajuan Ultra-Tinggi dengan Pengesan Piksel Tunggal di Bawah Tahap Cahaya Rendah

1. Pengenalan

Pencitraan berkelajuan ultra-tinggi di bawah keadaan cahaya rendah adalah satu cabaran kritikal dalam bidang seperti biofotonik (contohnya, memerhati dinamik sel) dan mikrofluidik. Pengesan berpiksel konvensional seperti CCD dan CMOS menghadapi pertukaran asas antara kadar bingkai dan kepekaan. Variasi berkelajuan tinggi memerlukan pencahayaan yang kuat, yang boleh merosakkan sampel yang halus. Kertas kerja ini membentangkan kaedah terobosan menggunakan pencitraan piksel tunggal (SPI) digabungkan dengan tatasusunan LED RGB pantas untuk mencapai pencitraan video pada kadar bingkai 1.4 MHz di bawah keadaan cahaya rendah, mengelakkan batasan pengesan tradisional.

2. Metodologi & Reka Bentuk Sistem

Inovasi teras terletak pada penyatuan prinsip pencitraan hantu pengiraan dengan sumber modulasi berkelajuan tinggi.

2.1 Prinsip Teras Pencitraan Piksel Tunggal

SPI tidak menyelesaikan imej secara langsung dari segi ruang. Sebaliknya, ia menggunakan urutan corak cahaya berstruktur yang diketahui (contohnya, dari tatasusunan LED) untuk menerangi objek. Seorang pengesan "baldi" tunggal yang sangat sensitif (seperti tiub pengganda foto atau diod runtuhan foton tunggal) mengumpul jumlah keamatan cahaya yang dipantulkan atau dihantar untuk setiap corak. Imej dibina semula secara pengiraan daripada siri pengukuran skalar dan corak yang diketahui ini.

2.2 Pemodulat Tatasusunan LED RGB

Perkakasan utama yang membolehkan adalah tatasusunan LED RGB tersuai yang mampu menjana corak pencahayaan berstruktur pada kadar bingkai penuh sehingga 100 MHz. Ini menggantikan pemodulat cahaya ruang (SLM) yang lebih perlahan seperti peranti mikrocermin digital (DMD), yang biasanya terhad kepada puluhan kHz. Pertukaran pantas LED membolehkan unjuran corak pantas, secara langsung membolehkan kelajuan pencitraan skala megahertz.

2.3 Pengesanan Isyarat & Pembinaan Semula

Untuk operasi cahaya rendah, pengesan foton tunggal (SPD) digunakan sebagai pengesan baldi, menawarkan kecekapan pengesanan hampir ideal. Algoritma pembinaan semula, berdasarkan pencitraan hantu pengiraan, menyelesaikan matriks keterpantulan/keterhantaran objek $O(x, y)$ berdasarkan siri pengukuran $B_i$ dan matriks corak yang diketahui $P_i(x, y)$: $B_i = \sum_{x,y} P_i(x, y) \cdot O(x, y) + \text{bunyi}$. Teknik seperti penderiaan mampatan boleh digunakan jika bilangan pengukuran kurang daripada bilangan piksel.

3. Persediaan Eksperimen & Keputusan

3.1 Pencitraan Kipas Berkelajuan Tinggi

Keupayaan sistem ditunjukkan dengan mengambil imej kipas berputar berkelajuan tinggi. Kadar bingkai 1.4 MHz berjaya menangkap pergerakan kipas tanpa kabur gerakan, yang mustahil dengan kamera berkelajuan tinggi konvensional di bawah senario cahaya rendah yang setara. Ini berfungsi sebagai pengesahan langsung dan ketara bagi prestasi pencitraan ultra-tinggi sistem.

Penerangan Carta (Tersirat): Urutan masa-siri imej yang dibina semula menunjukkan kedudukan diskret yang jelas bagi bilah kipas merentasi bingkai skala mikrosaat berturut-turut, membuktikan resolusi temporal yang berkesan.

3.2 Prestasi Cahaya Rendah dengan Pengesan Foton Tunggal

Dengan mengintegrasikan pengesan foton tunggal, kepekaan sistem ditingkatkan secara drastik, membolehkan pencitraan pada tahap kekurangan foton. Kertas kerja ini membandingkan ini dengan teknik Regangan Masa Fotonik (PTS), menyatakan bahawa walaupun PTS juga menggunakan pengesan piksel tunggal, ia tidak secara semula jadi meningkatkan kepekaan kerana ia hanya menyandarkan maklumat ruang ke dalam masa. Pendekatan pencitraan hantu, dengan pengesan baldinya, secara seni bina memaksimumkan pengumpulan cahaya.

Ringkasan Prestasi

Kadar Bingkai: 1.4 MHz (Video yang Ditunjukkan)
Kadar Modulasi: Sehingga 100 MHz (Potensi Tatasusunan LED)
Pengesanan: Kepekaan Foton Tunggal Diaktifkan
Keupayaan Warna: Pencitraan Warna Berasaskan LED RGB

4. Analisis Teknikal & Kerangka Matematik

Pembinaan semula imej pada dasarnya adalah masalah songsang. Untuk $N$ pengukuran dan imej dengan resolusi $M \times M$ piksel, proses boleh dirumuskan sebagai menyelesaikan $\mathbf{b} = \mathbf{A}\mathbf{o} + \mathbf{n}$, di mana:

$\mathbf{b}$ ialah vektor $N \times 1$ bagi pengukuran pengesan baldi.
$\mathbf{o}$ ialah vektor $M^2 \times 1$ yang mewakili imej yang diratakan.
$\mathbf{A}$ ialah matriks pengukuran $N \times M^2$, setiap baris adalah corak pencahayaan yang diratakan.
$\mathbf{n}$ mewakili bunyi.

Dengan $N << M^2$, algoritma penderiaan mampatan (contohnya, berdasarkan pengecilan norma $L_1$) digunakan: $\hat{\mathbf{o}} = \arg\min_{\mathbf{o}} \|\mathbf{b} - \mathbf{A}\mathbf{o}\|_2^2 + \lambda \|\Psi\mathbf{o}\|_1$, di mana $\Psi$ ialah penjelmaan penjarangan (contohnya, wavelet) dan $\lambda$ parameter pengawalseliaan. Penggunaan tatasusunan RGB melanjutkan ini kepada warna dengan melakukan pengukuran/modulasi bebas untuk saluran merah, hijau, dan biru.

5. Kerangka Analisis: Inti Pandangan & Kritikan

Inti Pandangan: Kerja ini bukan sekadar peningkatan kelajuan tambahan; ia adalah satu larian akhir strategik mengelilingi fizik semikonduktor yang menghadkan pengesan CMOS/CCD. Dengan memisahkan resolusi ruang (dikendalikan secara pengiraan) daripada pengumpulan cahaya (dikendalikan oleh seorang pengesan tunggal yang optimum), penulis mengeksploitasi satu kawasan di mana pengesan boleh menjadi pantas dan sensitif. Kejeniusan sebenar adalah pilihan tatasusunan LED RGB sebagai pemodulat cahaya ruang. Tidak seperti DMD yang digunakan dalam kerja kamera piksel tunggal penting (seperti dari Universiti Rice), LED boleh bertukar pada kelajuan nanosaat, secara langsung menyerang halangan tradisional SPI. Ini mencerminkan anjakan paradigma yang dilihat dalam pencitraan pengiraan di tempat lain, seperti dalam Medan Sinaran Neural (NeRF), di mana perwakilan pemandangan dipindahkan daripada tangkapan langsung kepada pembinaan semula berasaskan model yang dipelajari.

Aliran Logik & Kekuatan: Logiknya sempurna: 1) Kenal pasti pertukaran kelajuan-kepekaan sebagai masalah teras. 2) Pilih SPI untuk kelebihan kepekaan seni binanya. 3) Kenal pasti kelajuan pemodulat sebagai halangan baharu. 4) Gantikan pemodulat perlahan (DMD) dengan pemodulat pantas (tatasusunan LED). 5) Sahkan dengan sasaran berkelajuan tinggi klasik (kipas). Kekuatannya jelas: Kadar bingkai skala megahertz di bawah cahaya rendah adalah tanpa preseden. Penggunaan LED warna RGB adalah penyelesaian pragmatik dan berkesan untuk pencitraan multi-spektrum, lebih mudah daripada pendekatan pengimbasan spektrum.

Kelemahan & Jurang Kritikal: Walau bagaimanapun, kertas kerja ini mengabaikan halangan praktikal yang ketara. Pertama, keperluan untuk corak berulang yang diketahui bermakna ia kini tidak sesuai untuk pemandangan yang tidak dapat diramal dan tidak pegun melainkan digandingkan dengan penjanaan corak penyesuaian—satu cabaran pengiraan utama pada kelajuan ini. Kedua, walaupun pengesan baldi sensitif, jumlah cahaya masih terhad oleh sumber. Mencitrakan objek yang malap, bergerak pantas pada jarak jauh masih bermasalah. Ketiga, kependaman algoritma pembinaan semula dan kos pengiraan untuk video masa nyata, resolusi tinggi pada 1.4 MHz tidak ditangani. Ini belum lagi "kamera"; ia adalah sistem pencitraan berkelajuan tinggi dengan kemungkinan pemprosesan luar talian. Berbanding dengan keteguhan kamera berasaskan peristiwa (diilhamkan oleh retina biologi) untuk penjejakan berkelajuan tinggi, kaedah SPI ini lebih kompleks dan bergantung pada senario.

Pandangan Boleh Tindak: Untuk penyelidik dan jurutera, pengajaran adalah dua kali ganda. 1. Inovasi Pemodulat Adalah Kunci: Masa depan SPI berkelajuan tinggi terletak pada membangunkan sumber cahaya boleh aturcara yang lebih pantas, resolusi lebih tinggi (contohnya, tatasusunan mikro-LED). 2. Reka Bentuk Bersama Algoritma-Perkakasan Tidak Boleh Dirunding: Untuk melangkah lebih jauh daripada demonstrasi makmal, pelaburan mesti mengalir ke dalam mencipta ASIC khusus atau saluran FPGA yang boleh melakukan pembinaan semula penderiaan mampatan secara masa nyata, serupa dengan evolusi perkakasan pembelajaran mendalam. Bidang ini harus melihat ke arah pembinaan semula dipercepatkan pembelajaran mesin, serupa dengan bagaimana AI mengubah pembinaan semula imej MRI, untuk menangani halangan pengiraan. Kerja ini adalah bukti konsep yang cemerlang yang mentakrifkan semula kemungkinan, tetapi laluan ke instrumen komersial atau boleh digunakan secara meluas memerlukan penyelesaian cabaran kejuruteraan sistem yang begitu jelas ditunjukkan.

6. Aplikasi Masa Depan & Hala Tuju Pembangunan

Pencitraan Bioperubatan: Pemerhatian masa nyata pengangkutan intrasel, aliran darah dalam kapilari, atau aktiviti neural in vivo tanpa pencahayaan fototoksik.
Pemeriksaan Perindustrian: Memantau proses pembuatan berkelajuan tinggi (contohnya, mikrofabrikasi, percetakan) atau menganalisis keretakan bahan di bawah tekanan dalam persekitaran ujian cahaya rendah.
Penderiaan Saintifik: Pencitraan dalam julat spektrum di mana tatasusunan berpiksel pantas dan sensitif mahal atau tidak tersedia (contohnya, inframerah gelombang pendek, THz).
Hala Tuju Pembangunan:
1. Integrasi dengan pembelajaran mesin untuk penjanaan corak penyesuaian dan pembinaan semula imej yang lebih pantas dan teguh.
2. Pembangunan tatasusunan mikro-LED berketumpatan lebih tinggi dan lebih pantas untuk meningkatkan resolusi ruang dan kerumitan corak.
3. Pengecilan sistem untuk aplikasi mudah alih atau endoskopik.
4. Penerokaan protokol dipertingkatkan kuantum menggunakan pasangan foton terjerat untuk melampaui had kepekaan klasik dalam pencitraan berkelajuan tinggi cahaya rendah.

7. Rujukan

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. (Kerja kamera piksel tunggal penting Universiti Rice).
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. (Untuk algoritma pembinaan semula).
Mildenhall, B., et al. "NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis." ECCV (2020). (Contoh pencitraan pengiraan maju).
Lichtman, J. W., & Conchello, J. A. "Fluorescence microscopy." Nature methods 2.12 (2005): 910-919. (Konteks cabaran pencitraan biologi cahaya rendah).
Hamamatsu Photonics. "Single Photon Avalanche Diode (SPAD) Technology." (Sumber komersial untuk pengesan foton tunggal).