01 導讀

近期，國防科技大學理學院楊俊波教授團隊和計算機學院王耀華教授團隊、西南大學吳加貴教授團隊提出基于光電計算融合的超構透鏡消色差成像方案。這種方案可以幫助超構透鏡的色差有效消除，降低超構透鏡在設計、制造和規?；a方面的難度。為超構透鏡在移動相機、虛擬現實等領域的應用提供了實用化解決新方案。相關研究成果以“Broadband Achromatic Imaging of a Metalens with Optoelectronic Computing Fusion”為題發表在Nano Letters上。

2024| 前沿進展

02 研究背景

超構表面能夠在微觀尺度上精細操縱光的偏振、相位和振幅，為平面光學元件的開發提供了新的解決方案。具有亞波長厚度的超構透鏡通過特殊的二維結構的排列能夠輕松實現多功能?；诔瑯嬐哥R的應用引起了學術界和工業界的極大興趣，例如全息、貝塞爾光束、可調節超構透鏡和成像。然而，由于超構透鏡內在特性，使得其相位的變化依賴于波長，這就導致了色散的問題，限制了超構透鏡的廣泛應用。寬帶色差的消除是一個不可忽視的問題。

03 研究創新點

研究團隊提出了基于光電計算融合的消色差成像超構透鏡方案，該超構透鏡無需各種復雜形狀的納米柱組合。更為重要的是，該方法具有可拓展至其他波段的良好潛力。其工作原理如圖1所示。彩色圖像經過超構透鏡成像后，因色差而導致圖像模糊。光電計算融合利用神經網絡強大的非線性學習能力，能夠學習到色差的映射，從而還原出彩色圖像的原始色彩。

圖1 基于光電計算融合的消色差系統示意圖

如圖2所示。該算法將超構透鏡形成的色差圖像作為輸入，輸出為經過神經網絡處理后的恢復圖像。在訓練過程中，我們使用投影儀顯示的原始彩色圖像作為標簽。該模型首先通過多通道卷積運算提取色差圖像的特征。在這個過程中，通道逐漸加深，同時圖像尺寸逐漸縮小。隨后，對壓縮圖像應用特殊旋轉以增強其特征。最后，通過帶有轉置卷積的解碼器對圖像進行放大，并減少通道數以恢復彩色圖像。這一神經網絡結構的設計使得我們能夠更好地理解和處理色差圖像中的關鍵特征，從而實現更準確的恢復效果。

圖2 用于光電計算融合的神經網絡結構示意圖

研究團隊進一步進行了實驗研究。如圖3所示為彩色成像實驗系統示意圖。在實驗中，超構透鏡對彩色圖像進行成像。這一圖像由一個百倍物鏡進行放大，最終經過光調制后由CCD捕獲得到最終的圖像。這個實驗平臺的搭建使得研究團隊能夠深入探究光電計算融合在消色差成像超構透鏡中的實際效果，驗證光電計算融合技術在色差校正方面的有效性。

圖3 彩色成像光學系統設置示意圖

如圖4所示。通過采用所提出的方法，該研究能夠有效地減輕色差對圖像造成的影響，從而獲得更真實的色彩表現。通過原始圖像與恢復圖像的邊緣提取對比實驗，結果顯示經過光電計算融合處理后的圖像呈現出更為清晰的輪廓。在評估指標方面，論文提出的方法在峰值信噪比(PSNR)指標上最大可提高12dB，在結構相似性指標(SSIM)有數倍的提升。值得一提的是，該研究所采用的神經網絡結構經過簡單修改后即可實現超分辨率功能，展現出較大的拓展潛力。

圖4 彩色圖像的色差恢復與邊緣提取結果

04 總結與展望

團隊提出的基于光電計算融合的消色差能夠有效消除超構透鏡的色差。該方案不需要精細復雜的單元結構設計或多層復用，也不需要單元結構數據庫的構建，從而大大降低了超構透鏡的設計時間和制造難度。這種光電計算融合的方案為超構透鏡在交通視覺、VR等領域的應用提供了新的可行方案。

此工作國防科技大學為第一單位，國防科技大學博士研究生程偉為第一作者，國防科技大學楊俊波教授，西南大學吳加貴教授和國防科技大學王耀華教授為共同通訊作者。該研究得到了國家重點研發項目和國家自然科學基金等的資助。

審核編輯：劉清