लगभग अदृश्य देखें, रंग में भी: एक विसारक के माध्यम से वस्तुओं को देखने की तकनीक

सुपरमैन की सबसे प्रसिद्ध क्षमताओं में से एक सुपर विजन है, जिसने उसे परमाणुओं को देखने, अंधेरे में और महान दूरी पर देखने की अनुमति दी, और वस्तुओं के माध्यम से भी देखा। यह क्षमता स्क्रीन पर बहुत कम प्रदर्शित होती है, लेकिन यह है। हमारी वास्तविकता में, कुछ वैज्ञानिक चालों को लागू करके लगभग पूरी तरह से अपारदर्शी वस्तुओं के माध्यम से देखना भी संभव है। हालाँकि, प्राप्त चित्र हमेशा काले और सफेद थे, हाल तक। आज हम एक अध्ययन से परिचित होंगे जिसमें ड्यूक यूनिवर्सिटी (यूएसए) के वैज्ञानिक एक एकल प्रकाश प्रदर्शन का उपयोग करके एक अपारदर्शी दीवार के पीछे छिपी वस्तुओं की रंगीन तस्वीर लेने में सक्षम थे। यह सुपर तकनीक क्या है, यह कैसे काम करती है और इसे किन क्षेत्रों में लागू किया जा सकता है? शोध समूह की रिपोर्ट हमें इस बारे में बताएगी। चलो चलते हैं।

अध्ययन का आधार

बिखरते मीडिया में वस्तुओं को देखने के लिए प्रौद्योगिकी के सभी संभव "बन्स" के बावजूद, इस तकनीक के कार्यान्वयन के साथ कई समस्याएं हैं। मुख्य एक तथ्य यह है कि स्कैटर के माध्यम से गुजरने वाले फोटॉनों के मार्ग बहुत भिन्न होते हैं, जो दूसरी तरफ यादृच्छिक स्पेकल पैटर्न * की ओर जाता है।

Speckle * एक सुसंगत हस्तक्षेप पैटर्न है जो सुसंगत तरंगों के पारस्परिक हस्तक्षेप से बनता है जिसमें यादृच्छिक चरण बदलाव और / या तीव्रता का यादृच्छिक सेट होता है। ज्यादातर यह एक अंधेरे पृष्ठभूमि पर उज्ज्वल स्पॉट (डॉट्स) के एक सेट की तरह दिखता है।

हाल के वर्षों में, डिफ्यूज़र के प्रभावों को कम करने और स्पेकल पैटर्न से ऑब्जेक्ट के बारे में जानकारी निकालने के लिए कई विज़ुअलाइज़ेशन तकनीक विकसित की गई हैं। इन तकनीकों के साथ समस्या उनकी सीमाएं हैं - आपको ऑब्जेक्ट के बारे में कुछ ज्ञान होना चाहिए, एक बिखरने वाले माध्यम या वस्तु तक पहुंच होना चाहिए, आदि।

इसी समय, वैज्ञानिकों के अनुसार, एक बहुत अधिक उन्नत है, विधि - एक स्मृति प्रभाव (एमई) के साथ दृश्य। यह विधि आपको अपने स्वयं के या बिखरने वाले माध्यम के बारे में पूर्व ज्ञान के बिना वस्तु की कल्पना करने की अनुमति देती है। सभी को नुकसान है, जैसा कि हम जानते हैं, और एमई विधि कोई अपवाद नहीं है। उच्च-विपरीत स्पेकल पैटर्न प्राप्त करने के लिए और, तदनुसार, अधिक सटीक छवियां, प्रकाश संकीर्ण-बैंड होना चाहिए, अर्थात। 1 एनएम से कम।

एमई पद्धति की सीमाओं को समाप्त करना भी संभव है, लेकिन, फिर से, इन ट्रिक्स में ऑप्टिकल स्रोत या ऑब्जेक्ट को विसारक तक पहुंचाना या सीधे पीएसएफ को मापना शामिल है।

पीएसएफ * एक बिंदु प्रसार फ़ंक्शन है जो उस छवि का वर्णन करता है जो एक बिंदु प्रकाश स्रोत या एक बिंदु वस्तु का अवलोकन करते समय गठन प्रणाली प्राप्त करता है।

शोधकर्ता इन तरीकों को काम करने के लिए कहते हैं, लेकिन सही नहीं है, क्योंकि पीएसएफ माप हमेशा संभव नहीं है, उदाहरण के लिए, डिफ्यूज़र की गतिशीलता या इमेजिंग प्रक्रिया के लिए इसकी दुर्गमता। दूसरे शब्दों में, काम करना है।

अपने काम में, शोधकर्ता एक अलग दृष्टिकोण का सुझाव देते हैं। वे हमें एक मोनोक्रोम कैमरे के साथ एकल स्पेकल माप का उपयोग करके एक बिखरने वाले माध्यम के माध्यम से वस्तुओं के बहु-आयामी दृश्य को लागू करने के लिए एक विधि का प्रदर्शन करते हैं। अन्य तकनीकों के विपरीत, इस व्यक्ति को PSF प्रणाली या स्रोत स्पेक्ट्रम के पूर्व ज्ञान की आवश्यकता नहीं है।

नई विधि आपको 450 एनएम और 750 एनएम के बीच पांच अच्छी तरह से अलग किए गए वर्णक्रमीय चैनलों में लक्ष्य वस्तु की उच्च-गुणवत्ता वाली छवियां बनाने की अनुमति देती है, जो गणना द्वारा पुष्टि की गई थी। व्यवहार में, अब तक 450 एनएम और 650 एनएम के बीच तीन अलग-अलग वर्णक्रमीय चैनलों और 515 और 575 एनएम के बीच छह आसन्न वर्णक्रमीय चैनलों के दृश्य को प्राप्त करना संभव हो गया है।

नई विधि का सिद्धांत

छवि नंबर 1: दीपक - स्थानिक प्रकाश न्यूनाधिक - विसारक (आईरिस डायाफ्राम के साथ) - कोडिंग एपर्चर - प्रिज्म - ऑप्टिकल रिले (1: 1 दृश्य) - मोनोक्रोम कैमरा।

शोधकर्ता एक विसारक के माध्यम से किसी भी दृश्य के तीन मुख्य तत्वों को नोट करते हैं: ब्याज की एक वस्तु (बाहर से प्रकाशित या स्वतंत्र रूप से चमकती हुई), एक विसारक और एक डिटेक्टर।

जैसा कि मानक ME सिस्टम में होता है, यह अध्ययन एक ऐसी वस्तु पर विचार करता है जिसका कोणीय आकार ME क्षेत्र के अंदर और डिफ्यूज़र के पीछे u दूरी पर स्थित होता है। डिफ्यूज़र के साथ बातचीत करने के बाद, प्रकाश डिटेक्टर तक पहुंचने से पहले एक दूरी v तक फैलता है।

पारंपरिक एमई इमेजिंग मानक कैमरों का उपयोग करता है, और यह विधि एक कोडिंग डिटेक्टर मॉड्यूल का उपयोग करती है जिसमें कोडिंग एपर्चर और एक ऑप्टिकल तत्व शामिल होता है जो तरंग दैर्ध्य पर निर्भर करता है। इस तत्व का उद्देश्य प्रत्येक मोनोक्रोम डिटेक्टर में संयोजन और परिवर्तित करने से पहले प्रत्येक वर्णक्रमीय चैनल को संशोधित करना है।

इस प्रकार, केवल एक कम-विपरीत स्पेकल को मापने के बजाय, जिनके वर्णक्रमीय चैनलों को आंतरिक रूप से मिश्रित किया जाता है, एक स्पेक्ट्रल मल्टीप्लेक्स सिग्नल रिकॉर्ड किया गया था जो अलग होने के लिए अनुकूल था।

शोधकर्ताओं ने एक बार फिर इस बात पर जोर दिया कि उनकी विधि को विसारक या प्रकाश स्रोत के संबंध में पहले से ज्ञात विशेषताओं या मान्यताओं की आवश्यकता नहीं है।

मल्टीप्लेक्स स्पेकल की प्रारंभिक माप के बाद, प्रसिद्ध स्पेक्ट्रो वैल्यू (तरंग दैर्ध्य-निर्भर कोडिंग पैटर्न) का उपयोग व्यक्तिगत रूप से प्रत्येक वर्णक्रमीय बैंड में स्पेकल को फिर से संगठित करने के लिए किया गया था।

गणना और मॉडलिंग के चरण में अपने काम में, वैज्ञानिकों ने कुछ मशीन सीखने के तरीकों को लागू किया जो कि पहले नहीं माना गया तरीका लागू करने में मदद कर सकते हैं। सबसे पहले, प्रशिक्षण का उपयोग धब्बेदार प्रतिनिधित्व करने के लिए एक विरल मैट्रिक्स की सुविधाओं पर किया गया था।

संकेतों में प्रशिक्षण * - सिस्टम को स्रोत डेटा के संकेतों की पहचान करने के लिए आवश्यक प्रतिनिधित्वों को स्वचालित रूप से खोजने की अनुमति देता है।

नतीजतन, एक आधार को विभिन्न माप विन्यासों से धब्बेदार छवियों पर प्रशिक्षित किया गया था। यह आधार काफी सामान्यीकृत है और मास्क Iλx, y की पीढ़ी में शामिल विशिष्ट वस्तुओं और स्कैटर पर निर्भर नहीं करता है। दूसरे शब्दों में, सिस्टम को एक विसारक के आधार पर प्रशिक्षित किया जाता है जिसका प्रयोग प्रायोगिक विन्यास में नहीं किया जाता है, अर्थात। जैसा कि शोधकर्ता चाहते थे, सिस्टम की उस तक पहुंच नहीं है।

प्रत्येक तरंग दैर्ध्य पर धब्बेदार छवियां प्राप्त करने के लिए, ओएमपी ( ऑर्थोगोनल मैचिंग पीछा ) एल्गोरिथ्म का उपयोग किया गया था।

अंत में, प्रत्येक वर्णक्रमीय चैनल के स्वत :संबंध की गणना करके और प्रत्येक तरंग दैर्ध्य में आटोक्लेररेशन के व्युत्क्रम की गणना करके, ऑब्जेक्ट की छवियां प्राप्त की गईं। प्रत्येक तरंग दैर्ध्य में परिणामी छवियां तब वस्तु की रंगीन छवि बनाने के लिए संयुक्त होती हैं।


छवि # 2: किसी वस्तु की छवि संकलित करने के लिए एक चरणबद्ध प्रक्रिया।
यह तकनीक, इसके रचनाकारों के अनुसार, वर्णक्रमीय चैनलों के बीच संबंध के बारे में कोई धारणा नहीं बनाती है और केवल इस धारणा की आवश्यकता है कि तरंग दैर्ध्य का मूल्य काफी यादृच्छिक है। इसके अलावा, इस विधि में कोडिंग डिटेक्टर के बारे में केवल जानकारी की आवश्यकता होती है, जो कोडिंग एपर्चर के प्रारंभिक अंशांकन और एक पूर्व-प्रशिक्षित डेटा लाइब्रेरी पर निर्भर करता है। इस तरह की विशेषताएं इस इमेजिंग तकनीक को अत्यधिक बहुमुखी और गैर-आक्रामक बनाती हैं।

सिमुलेशन परिणाम

शुरू करने के लिए, सिमुलेशन परिणामों पर विचार करें।


चित्र संख्या 3

ऊपर दी गई छवि एक विसारक के माध्यम से ली गई दो वस्तुओं की एक बहुस्पर्शी छवि के उदाहरण दिखाती है। 3 ए पर ऊपरी पंक्ति में ब्याज की एक वस्तु होती है, जिसमें कई संख्याएं शामिल होती हैं, जो गलत रंग और वर्णक्रमीय चैनल द्वारा टूटने दोनों में दिखाई देती हैं। झूठे रंग में एक वस्तु का निर्माण करते समय, CIE 1931 RGB अंतरिक्ष में प्रत्येक तरंग दैर्ध्य की तीव्रता प्रोफ़ाइल प्रदर्शित की जाती है।

पुनर्निर्मित वस्तु ( 3 ए पर कम पंक्ति) दोनों झूठे रंग में और व्यक्तिगत वर्णक्रमीय चैनलों के दृष्टिकोण से दर्शाती है कि तकनीक वर्णक्रमीय चैनलों के बीच उत्कृष्ट दृश्य और केवल तुच्छ क्रॉस-इंटरैक्शन प्रदान करती है, जो प्रक्रिया में विशेष भूमिका नहीं निभाती है।

पुनर्निर्माण की गई वस्तु प्राप्त करने के बाद, अर्थात्। विज़ुअलाइज़ेशन के बाद, वास्तविक वस्तु और पुनर्निर्मित ( 3 बी ) की वर्णक्रमीय तीव्रता (सभी उज्ज्वल पिक्सल पर औसतन) की तुलना करके सटीकता की डिग्री का मूल्यांकन करना आवश्यक था।

छवियाँ 3 सी एक वास्तविक वस्तु (ऊपरी पंक्ति) और एक पुनर्निर्मित छवि (निचली पंक्ति) को एक कपास के तने से एक सेल के लिए दिखाती है, और 3 डी दृश्य सटीकता का विश्लेषण दिखाती है।

विज़ुअलाइज़ेशन की सटीकता का आकलन करने के लिए, प्रत्येक वर्णक्रमीय चैनल के लिए संरचनात्मक समानता गुणांक (SSIM) और इस वस्तु के शिखर सिग्नल-टू-शोर अनुपात (pSNR) के मूल्यों की गणना करना आवश्यक था।



ऊपर दी गई तालिका से पता चलता है कि पांच चैनलों में से प्रत्येक में ०..9-०.९ का एक SSIM गुणांक है और २० से अधिक का एक PSNR है। यह निम्नानुसार है कि धब्बेदार संकेत के कम विपरीत होने के बावजूद, डिटेक्टर पर १० एनएम की चौड़ाई के साथ पांच वर्णक्रमीय बैंडों का सुपरपोजिशन काफी सटीक पुनर्निर्माण की अनुमति देता है अध्ययन की गई वस्तु के स्थानिक और वर्णक्रमीय गुण। दूसरे शब्दों में, तकनीक काम करती है, हालांकि, ये सिर्फ सिमुलेशन परिणाम हैं। अपने काम में विश्वास के लिए, वैज्ञानिकों ने कई व्यावहारिक प्रयोग किए।

प्रयोग के परिणाम

मॉडलिंग और वास्तविक प्रयोगों के बीच सबसे महत्वपूर्ण अंतरों में से एक पर्यावरण है, अर्थात्। जिन स्थितियों में दोनों को अंजाम दिया जाता है। पहले मामले में, नियंत्रित स्थितियां हैं, दूसरे में अप्रत्याशित स्थिति, यानी। कैसे आये

8-12 एनएम की चौड़ाई वाले तीन वर्णक्रमीय चैनलों की 450, 550 और 650 एनएम के केंद्र के साथ जांच की गई, जो कि विभिन्न सापेक्ष मूल्यों के साथ मिलकर रंगों की एक विस्तृत श्रृंखला उत्पन्न करते हैं।


चित्र संख्या 4

ऊपर की छवि वास्तविक वस्तु (बहु-रंगीन पत्र "एच") और पुनर्निर्मित एक के बीच तुलना दिखाती है। प्रकाश एक्सपोज़र (एक्सपोज़र, यानी एक्सपोज़र) का समय 1800 एस पर सेट किया गया था, जिसने हमें 60-70 डीबी की सीमा में एक एसएनआर प्राप्त करने की अनुमति दी थी। वैज्ञानिकों के अनुसार ऐसा एसएनआर, अनुभव के लिए अत्यंत महत्वपूर्ण नहीं है, लेकिन उनकी कार्यप्रणाली की दक्षता की एक अतिरिक्त पुष्टि के रूप में कार्य करता है, विशेष रूप से जटिल वस्तुओं के मामले में। वास्तविकता में, और प्रयोगशाला स्थितियों में नहीं, यह विधि तेजी से परिमाण का एक क्रम हो सकती है।

छवि नंबर 4 की शीर्ष पंक्ति प्रत्येक तरंग दैर्ध्य (बाएं से दाएं) पर एक वस्तु और एक वास्तविक पूर्ण-रंग वस्तु दिखाती है।

विज़ुअलाइज़ेशन के परिणामस्वरूप एक वास्तविक वस्तु की एक छवि प्राप्त करने के लिए, संबंधित बैंड-पास फिल्टर के साथ एक मशीन विज़न कैमरा का उपयोग सीधे वर्णक्रमीय घटकों को प्रदर्शित करने के लिए किया गया था और परिणामस्वरूप वर्णक्रमीय चैनलों को संक्षेप में पूर्ण-रंग की छवि प्राप्त करने के लिए किया गया था।

ऊपर दी गई छवि की दूसरी पंक्ति मल्टीप्लेक्स माप को बनाने वाले प्रत्येक पुनर्निर्मित वर्णक्रमीय चैनल के आटोक्लेररेशन पैटर्न को दिखाती है, जो डेटा प्रोसेसिंग चरण के लिए इनपुट डेटा हैं।

तीसरी पंक्ति प्रत्येक वर्णक्रमीय चैनल में एक पुनर्निर्मित वस्तु है, साथ ही एक पुनर्निर्मित पूर्ण रंग वस्तु है, अर्थात। विज़ुअलाइज़ेशन का अंतिम परिणाम।

पूर्ण-रंग छवि से पता चलता है कि वर्णक्रमीय चैनलों के बीच के सापेक्ष मान भी सही हैं, क्योंकि संयुक्त पुनर्निर्मित छवि का रंग वास्तविक मूल्य से मेल खाता है, और SSIM गुणांक प्रत्येक चैनल के लिए 0.92 से अधिक तक पहुंचता है।

नीचे की पंक्ति इस कथन की पुष्टि है, जो वास्तविक वस्तु की तीव्रता और पुनर्निर्मित की तुलना दिखाती है। सभी वर्णक्रमीय श्रेणियों में दोनों का डेटा मेल खाता है।

यह निम्नानुसार है कि यहां तक ​​कि शोर और संभावित मॉडलिंग त्रुटियों की उपस्थिति ने उच्च-गुणवत्ता वाली छवि प्राप्त करने से नहीं रोका, और प्रयोगात्मक परिणाम सिमुलेशन परिणामों के साथ अच्छी तरह से सहसंबंधित हैं।

उपरोक्त अनुभव विभाजित वर्णक्रमीय चैनलों को ध्यान में रखते हुए निर्धारित किया गया था। वैज्ञानिकों ने एक और प्रयोग किया, लेकिन आसन्न चैनलों के साथ, और अधिक सटीक रूप से 60 एनएम की निरंतर वर्णक्रमीय सीमा के साथ।


चित्र संख्या 5

अक्षर "X" और "+" चिन्ह ( 5a ) ने वास्तविक वस्तु के रूप में काम किया। "X" अक्षर का स्पेक्ट्रम अपेक्षाकृत समान और निरंतर है - 515 और 575 एनएम के बीच, लेकिन "+" में एक संरचित स्पेक्ट्रम है, जो मुख्य रूप से 535 और 575 एनएम ( 5b ) के बीच स्थित है। इस प्रयोग के लिए, 70 डीबी के वांछित (पहले की तरह) एसएनआर प्राप्त करने के लिए एक्सपोज़र 120 एस था।

संपूर्ण ऑब्जेक्ट पर 60 एनएम चौड़ा बैंडपास फ़िल्टर और "+" चिह्न के ऊपर एक लोअरपास फ़िल्टर का भी उपयोग किया गया था। 60 एनएम के पुनर्निर्माण के दौरान, स्पेक्ट्रम को 10 एनएम ( 5 बी ) की चौड़ाई के साथ 6 आसन्न चैनलों में विभाजित किया गया है।

जैसा कि हम चित्र 5 सी से देख सकते हैं, परिणामी छवियां वास्तविक वस्तु के साथ उत्कृष्ट समझौते में हैं। इस प्रयोग से पता चला है कि मापा धब्बे में वर्णक्रमीय सहसंबंधों की मौजूदगी या अनुपस्थिति अध्ययन के तहत इमेजिंग तकनीक की प्रभावशीलता को प्रभावित नहीं करती है। वैज्ञानिक स्वयं मानते हैं कि विज़ुअलाइज़ेशन प्रक्रिया में बहुत अधिक भूमिका, और इसकी सफलता में अधिक सटीक रूप से, वस्तु के वर्णक्रमीय विशेषताओं द्वारा इतना नहीं खेला जाता है जितना कि सिस्टम के अंशांकन और इसके कोडिंग डिटेक्टर के विवरण द्वारा।

अध्ययन की बारीकियों के साथ एक अधिक विस्तृत परिचित के लिए, मैं सुझाव देता हूं कि आप वैज्ञानिकों की रिपोर्ट और इसके लिए अतिरिक्त सामग्रियों पर ध्यान दें।

उपसंहार

इस काम में, वैज्ञानिकों ने एक विसारक के माध्यम से मल्टीस्पेक्ट्रल इमेजिंग की एक नई विधि का वर्णन किया। वेवलेंथ के आधार पर स्पेकल का मॉड्यूलेशन, एक कोडिंग एपर्चर का उपयोग करके, एक मल्टीप्लेक्स माप को निष्पादित करना और मशीन लर्निंग के आधार पर ओएमपी एल्गोरिथ्म का उपयोग करके स्पेक की गणना करना संभव बनाता है।

एक उदाहरण के रूप में बहु-रंगीन पत्र "एच" का उपयोग करते हुए, वैज्ञानिकों ने दिखाया है कि बैंगनी, हरे और लाल रंग के तीन रंगों के अनुरूप पांच वर्णक्रमीय चैनलों पर ध्यान केंद्रित करने से हमें छवि के पुनर्निर्माण को प्राप्त करने की अनुमति मिलती है जिसमें मूल (नीले, पीले, आदि) के सभी रंग शामिल होते हैं।

शोधकर्ताओं के अनुसार, उनकी तकनीक चिकित्सा और खगोल विज्ञान दोनों में उपयोगी हो सकती है। रंग दोनों दिशाओं में महत्वपूर्ण जानकारी प्रदान करता है: खगोल विज्ञान में - चिकित्सा में वस्तुओं की रासायनिक संरचना, कोशिकाओं और ऊतकों की आणविक रचना।

इस स्तर पर, वैज्ञानिक केवल एक समस्या को ध्यान में रखते हैं जो दृश्य में अशुद्धि का कारण बन सकती है, ये मॉडलिंग की त्रुटियां हैं। प्रक्रिया को पूरा करने के लिए आवश्यक लंबे समय के कारण, पर्यावरण परिवर्तन हो सकता है जो तैयारी समायोजन के समय अपने स्वयं के समायोजन को ध्यान में रखेगा। हालांकि, भविष्य में इस समस्या को समतल करने का एक तरीका खोजने की योजना है, जो वर्णित दृश्य तकनीक को न केवल सटीक, बल्कि किसी भी स्थिति में स्थिर बनाएगी।



हमारे साथ बने रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक दिलचस्प सामग्री देखना चाहते हैं? एक आदेश देकर या अपने मित्रों को इसकी अनुशंसा करके हमें समर्थन दें, एंट्री-लेवल सर्वरों के अनूठे एनालॉग पर हैबर उपयोगकर्ताओं के लिए 30% छूट जो हमने आपके लिए ईजाद की है: VPS (KVM) E5-2650 v4 (6 करोड़) 10GB DDR4 240GB SSD 1Gbps से पूरा सच $ 20 या सर्वर को कैसे विभाजित करें? (विकल्प RAID1 और RAID10 के साथ उपलब्ध हैं, 24 कोर तक और 40GB DDR4 तक)।

डेल R730xd 2 बार सस्ता? केवल हमारे पास 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV नीदरलैंड के 199 डॉलर में से है! डेल R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $ 99 से! इन्फ्रास्ट्रक्चर Bldg का निर्माण कैसे करें के बारे में पढ़ें । एक पैसा के लिए 9,000 यूरो की लागत डेल R730xd E5-2650 v4 सर्वर का उपयोग कर वर्ग?