DOI: https://doi.org/10.1038/s41598-025-33540-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41644961
تاريخ النشر: 2026-02-06
المؤلف: Sai Deepika Sure وآخرون
الموضوع الرئيسي: الليزر العشوائي ووسائط التشتت
نظرة عامة
تناقش هذه القسم تقنية جديدة تهدف إلى تعزيز مجال الرؤية (FOV) للأنظمة البصرية، وخاصة تلك التي تتمتع بتكبير عالٍ، والتي تواجه عادةً قيودًا بسبب حجم مستشعر الكاميرا. تستخدم الطريقة المقترحة قناع طور مشفر (CPM) يقدم تعددًا لمراحل تشتت متميزة $N$، حيث يتوافق $N-1$ مع عدد مناطق الأجسام المعزولة التي يُراد التقاطها ضمن مجال الرؤية. كل مرحلة تشتت تولد دالة انتشار نقطة فريدة، مما يؤدي إلى نمط نقاط متفرقة مميز على مستشعر الكاميرا.
من خلال استخدام CPM، يمكن جلب صور متعددة للأجسام بفعالية ضمن منطقة مستشعر الكاميرا، والتي ستكون خلاف ذلك خارج مجال الرؤية الفطري للنظام. يتم إعادة بناء مستوى الجسم الأصلي، الذي يحتوي على $N$ أجسام في مواقعها المعنية، من خلال فك التداخل لنمط استجابة الجسم المضاف إليه صفر مع دالة انتشار النقطة المضافة إليها صفر والمزاحة للنظام. تتضمن الدراسة كل من النتائج التجريبية والمحاكاة للحالات التي يكون فيها $N = 2$ و $N = 3$، مما يظهر فعالية النهج المقترح في توسيع مجال الرؤية دون التضحية بالتكبير.
مقدمة
تناقش المقدمة الدور الحاسم لمجال الرؤية (FOV) في أنظمة التصوير، والذي يحدد الحد الأقصى للعرض الزاوي الذي يمكن التقاطه على مستوى الصورة. بالنسبة للأنظمة ذات العدسة الواحدة التي تركز عند اللانهاية، يتم تحديد مجال الرؤية بواسطة حجم المستشعر بالنسبة لطول بؤرة العدسة. عند تصوير الأجسام على مسافات محددة، يتأثر مجال الرؤية بتكبير الكاميرا. بينما يمكن أن تعزز المستشعرات الأكبر مجال الرؤية، فإنها تزيد أيضًا من التكاليف وتكون غير عملية للأنظمة المدمجة مثل الأجهزة المحمولة. يمكن أن تمدد الحلول البصرية التقليدية، مثل عدسات عين السمكة، وإعدادات الكاميرات المتعددة مجال الرؤية ولكنها تقدم تشوهات وتعقيد.
لقد سعت التطورات الحديثة في التصوير الحسابي إلى التغلب على هذه القيود. أظهرت تقنيات مثل التصوير بالفورييه والتصوير من خلال فتحة مشفرة (CAI) وعدًا في تعزيز كل من مجال الرؤية والدقة من خلال طرق الترميز البصري المبتكرة وإعادة البناء الحسابي. ومن الجدير بالذكر أن التصوير الهولوجرافي بالفتحة المشفرة بدون تداخل (I-COACH) قد ظهر كحل يحسن كفاءة الطاقة البصرية وجودة إعادة البناء. بالإضافة إلى ذلك، تم تطوير طرق مثل تقنية نافذة التشتت ضمن إطار عمل I-COACH لتمديد مجال الرؤية بشكل كبير من خلال تجميع أجزاء من دالة انتشار النقطة (PSF). على الرغم من هذه الابتكارات، لا تزال الأجهزة التصويرية المدمجة مقيدة بأحجام المستشعرات الصغيرة، مما يحد من مجال رؤيتها، مما يبرز التحدي المستمر في هذا المجال.
طرق
تصف المنهجية الموضحة في هذا القسم نظام تصوير بصري مصمم لالتقاط صور لمناطق أجسام معزولة متعددة باستخدام مجموعة من العدسات وكاميرا. تتضمن تكوين النظام مستوى جسم موضوعًا على مسافة \( Z_s \) من العدسة \( L_1 \) (طول البؤرة \( f_1 \))، تليها العدسة \( L_2 \) (طول البؤرة \( f_2 \)) على مسافة \( Z_h \)، مع وجود الكاميرا في \( Z_o \) خلف \( L_2 \). يضمن إعداد التصوير أن الكاميرا تلتقط فقط منطقة الجسم المركزية ضمن مجال رؤيتها (FOV)، على الرغم من وجود \( N = 3 \) مناطق أجسام معزولة.
يتم إنشاء العلاقة بين مستوى الجسم ومستوى الكاميرا من خلال تحويل فورييه، حيث تتوافق الكثافة المسجلة بواسطة الكاميرا مع مربع المقدار لتحويل فورييه ثنائي الأبعاد المقاس لقناع الطور المشفر (CPM). تم تصميم كل من مراحل التشتت \( N \) لإنتاج نمط كثافة فريد في مجال فورييه، مما يسمح بإعادة بناء معلومات الجسم حتى عندما تكون بعض النقاط خارج مجال رؤية الكاميرا. يتم استخدام خوارزمية جيرشبرغ-ساكستون المعدلة (GSA) لتوليف دالة طور التشتت، باستخدام مصفوفة مقدار موحدة ومصفوفة طور عشوائية كمدخلات. تقوم الخوارزمية بتعديل الطور بشكل تكراري في مستوى CPM لتحقيق نمط نقاط متفرقة مرغوب فيه في مجال فورييه، مما يؤدي في النهاية إلى توليد طور CPM متعدد يدمج المساهمات من جميع مناطق الأجسام.
نتائج
تستخدم نتائج المحاكاة المقدمة في هذا القسم MATLAB لتحليل نظام بصري بحجم مستوى جسم 1080 × 1080 بكسل وحجم مستشعر الكاميرا 500 × 500 بكسل، مع حجم بكسل يبلغ 8 ميكرومتر. يتضمن الإعداد عدستين، مع أطوال بؤرية قدرها $f_1 = 20 \, \text{cm}$ و $f_2 = 10 \, \text{cm}$، ومسافات محددة قدرها $z_s = z_h = 20 \, \text{cm}$ و $z_o = 10 \, \text{cm}$. تشمل النتائج، الموضحة في الشكل 5، خرائط نقاط التباين (CPMs)، وأنماط استجابة بصرية (ORPs)، وصور معاد بناؤها لقيم مختلفة من $K$ (من 3 إلى 12)، مع مناطق مكبرة حول ثلاثة أجسام متميزة.
لتمثيل ظروف تجريبية واقعية، تم إدخال ضوضاء بواسون إلى كل من دالة انتشار النقطة (PSF) وORP. تم إجراء إعادة بناء الصورة باستخدام تقنية فك التداخل وينر، حيث كانت نسبة الضوضاء إلى الإشارة (NSR) هي معلمة حاسمة. تم استخدام نسبة الإشارة إلى الضوضاء (SNR) لتقييم العدد الأمثل للنقاط في نمط متفرق، كما هو موضح في الشكل 6. تشير النتائج إلى أن أعلى SNR يتم تحقيقه مع PSF يتكون من 11 نقطة، مما يشير إلى تكوين مثالي لتحسين جودة الصورة في النظام البصري المعني.
مناقشة
تقدم البحث طريقة جديدة لتوسيع مجال الرؤية (FOV) للأنظمة البصرية من خلال فصلها عن أبعاد المستشعر، وذلك من خلال استخدام قناع طور معقد (CPM) مدمج في نظام التصوير. تتيح هذه التقنية التقاط مناطق متعددة من الأجسام خارج مجال الرؤية الفطري دون تغيير التكبير. تتضمن الطريقة تسجيل استجابة جسم مضافة إليها صفر (ORP) وفك تداخلها مع دالة انتشار نقطة مقابلة (PSF) مشتقة من CPM، والتي تتكون من مراحل تشتت متعددة. يتم تحديد نمط النقاط المتفرقة الأمثل من خلال تعظيم نسبة الإشارة إلى الضوضاء (SNR). تظهر المحاكاة والتجارب فعالية هذا النهج، مع الإشارة إلى أن CPM مع سبع نقاط يحقق أفضل مقاييس إعادة البناء، بما في ذلك الحد الأدنى من متوسط الخطأ التربيعي (MSE) وأقصى قياس لمؤشر التشابه الهيكلي (SSIM).
تسلط الدراسة الضوء على مزايا طريقة التعدد القائمة على CPM المقترحة مقارنة بتقنيات توسيع مجال الرؤية التقليدية، التي غالبًا ما تتضمن أجهزة معقدة أو عمليات حسابية تكرارية. على عكس الطرق التقليدية التي قد تشوه الصور أو تتطلب تعرضات متعددة، تتيح هذه الطريقة التصوير في لقطة واحدة مع الحفاظ على الدقة والتكبير. ومع ذلك، تواجه الطريقة قيودًا، مثل الضوضاء الناتجة عن فك التداخل المتقاطع وفك التداخل الداخلي، والتي يعمل المؤلفون على معالجتها في أبحاثهم الجارية. بشكل عام، تسهم هذه العمل في تعزيز قدرات التصوير من خلال السماح بإعادة بناء مناطق متعددة من الأجسام التي قد تضيع في التصوير المباشر، مما يمهد الطريق لأنظمة بصرية أكثر كفاءة ومرونة.
DOI: https://doi.org/10.1038/s41598-025-33540-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41644961
Publication Date: 2026-02-06
Author(s): Sai Deepika Sure et al.
Primary Topic: Random lasers and scattering media
Overview
This section discusses a novel technique aimed at enhancing the field of view (FOV) of optical systems, particularly those with high magnification, which typically face limitations due to the size of the camera sensor. The proposed method employs a coded phase mask (CPM) that introduces a multiplexing of $N$ distinct scattering phases, where $N-1$ corresponds to the number of isolated object areas intended to be captured within the FOV. Each scattering phase generates a unique point spread function, resulting in a distinct sparse dot pattern on the camera sensor.
By utilizing the CPM, the images of multiple objects can be effectively brought within the camera’s sensor region, which would otherwise be outside the system’s inherent FOV. The reconstruction of the original object plane, containing $N$ objects at their respective locations, is achieved through the deconvolution of the zero-padded object response pattern with the system’s zero-padded and shifted point spread function. The study includes both simulation and experimental results for cases where $N = 2$ and $N = 3$, demonstrating the efficacy of the proposed approach in expanding the FOV without sacrificing magnification.
Introduction
The introduction discusses the critical role of the field of view (FOV) in imaging systems, which defines the maximum angular width that can be captured on the image plane. For single-lens systems focused at infinity, the FOV is determined by the sensor size relative to the lens’s focal length. When imaging objects at finite distances, the FOV is influenced by the camera’s magnification. While larger sensors can enhance the FOV, they also increase costs and are impractical for compact systems like mobile devices. Traditional optical solutions, such as fisheye lenses, and multi-camera setups can extend the FOV but introduce distortions and complexity.
Recent advancements in computational imaging have sought to overcome these limitations. Techniques like Fourier ptychography and coded aperture imaging (CAI) have shown promise in enhancing both FOV and resolution through innovative optical encoding and computational reconstruction methods. Notably, interferenceless coded aperture correlation holography (I-COACH) has emerged as a solution that improves optical power efficiency and reconstruction quality. Additionally, methods such as the scattering window technique within the I-COACH framework have been developed to significantly extend the FOV by stitching together segments of the point spread function (PSF). Despite these innovations, compact imaging devices remain constrained by small sensor sizes, which limits their FOV, highlighting the ongoing challenge in the field.
Methods
The methodology outlined in this section describes an optical imaging system designed to capture images of multiple isolated object areas using a combination of lenses and a camera. The system configuration includes an object plane positioned at a distance \( Z_s \) from lens \( L_1 \) (focal length \( f_1 \)), followed by lens \( L_2 \) (focal length \( f_2 \)) at a distance \( Z_h \), with the camera located at \( Z_o \) behind \( L_2 \). The imaging setup ensures that the camera captures only the central object area within its field of view (FOV), despite the presence of \( N = 3 \) isolated object areas.
The relationship between the object plane and the camera plane is established through a Fourier transform, where the intensity recorded by the camera corresponds to the magnitude squared of the scaled 2D Fourier transform of the coded phase mask (CPM) transparency. Each of the \( N \) scattering phases is designed to produce a unique intensity pattern in the Fourier domain, allowing for the reconstruction of object information even when some points are outside the camera’s FOV. The modified Gerchberg-Saxton algorithm (GSA) is employed to synthesize the scattering phase function, utilizing a uniform magnitude matrix and a random phase matrix as inputs. The algorithm iteratively adjusts the phase at the CPM plane to achieve the desired sparse dot pattern in the Fourier domain, ultimately leading to the generation of a multiplexed CPM phase that combines the contributions from all object areas.
Results
The simulation results presented in this section utilize MATLAB to analyze an optical system with an object plane size of 1080 × 1080 pixels and a camera sensor size of 500 × 500 pixels, featuring a pixel size of 8 μm. The setup includes two lenses, with focal lengths of $f_1 = 20 \, \text{cm}$ and $f_2 = 10 \, \text{cm}$, and specific distances of $z_s = z_h = 20 \, \text{cm}$ and $z_o = 10 \, \text{cm}$. The results, illustrated in Fig. 5, include the Contrast Point Maps (CPMs), Optical Response Patterns (ORPs), and reconstructed images for varying values of $K$ (from 3 to 12), with zoomed-in regions around three distinct objects.
To simulate realistic experimental conditions, Poisson noise was introduced to both the Point Spread Function (PSF) and the ORP. Image reconstruction was performed using the Wiener deconvolution technique, with the noise-to-signal ratio (NSR) being a critical parameter. The signal-to-noise ratio (SNR) was employed to evaluate the optimal number of dots in a sparse pattern, as depicted in Fig. 6. The findings indicate that the highest SNR is achieved with a PSF comprising 11 dots, suggesting an optimal configuration for enhancing image quality in the given optical system.
Discussion
The research presents a novel method for expanding the field of view (FOV) of optical systems by decoupling it from sensor dimensions, achieved through the use of a complex phase mask (CPM) integrated into the imaging system. This technique allows for the capture of multiple object regions beyond the inherent FOV without altering magnification. The method involves recording a zero-padded object response (ORP) and deconvolving it with a corresponding point spread function (PSF) derived from the CPM, which consists of multiple scattering phases. The optimal sparse dot pattern is determined by maximizing the signal-to-noise ratio (SNR). Simulations and experiments demonstrate the effectiveness of this approach, with findings indicating that a CPM with seven dots yields the best reconstruction metrics, including minimal mean squared error (MSE) and maximal structural similarity index measure (SSIM).
The study highlights the advantages of the proposed CPM-based multiplexing method over traditional FOV extension techniques, which often involve complex hardware or iterative computational processes. Unlike conventional methods that may distort images or require multiple exposures, this approach enables single-shot imaging while maintaining resolution and magnification. However, the method does face limitations, such as noise from cross-deconvolution and intra-deconvolution, which the authors are actively addressing in ongoing research. Overall, this work contributes to advancing imaging capabilities by allowing for the reconstruction of multiple object regions that would otherwise be lost in direct imaging, paving the way for more efficient and versatile optical systems.