研究人员利用人工智能提高金属透镜相机的图像质量

研究人员利用人工智能提高金属镜头相机的图像质量

研究人员利用深度学习技术增强了金属镜头相机的图像质量。这种新方法利用人工智能将低质量图像转换为高质量图像，这可以使这些相机适用于多种成像任务，包括复杂的显微镜应用和移动设备。

金属透镜是超薄光学器件，通常只有几分之一毫米厚，它们使用纳米结构来操控光线。尽管它们的小尺寸可能使得极其紧凑轻便的相机无需传统光学透镜，但要实现这些光学元件所需的图像质量一直很困难。

研究团队领导者、中国东南大学的陈吉表示:“我们的技术使基于金属透镜的设备能够克服图像质量的限制。”“这一进展将在未来高度便携的消费类成像电子产品的发展中发挥重要作用，并且还可以用于专业成像应用，例如显微镜。”

研究人员在Optica出版集团的《光学信号》期刊《光学快报》中描述了他们如何使用一种称为多尺度卷积神经网络的机器学习类型来提高他们创建的一个小型相机的图像分辨率、对比度和失真。

陈说:“集成金属透镜的相机可以直接整合到智能手机的成像模块中，从而取代传统的折射式大型透镜。”“它们也可以用于诸如无人机之类的设备，在那里小巧轻便的相机将确保成像质量而不会影响无人机的机动性。”

该相机以前由研究人员开发，使用了一个具有1000纳米高的圆柱形氮化硅纳米柱的金属透镜。金属透镜直接将光聚焦在CMOS成像传感器上，无需其他光学元件。虽然这种设计创造了一个非常小的相机，但紧凑的结构限制了图像质量。因此，研究人员决定看看是否可以使用机器学习来改善图像。

深度学习是一种利用多层人工神经网络自动学习数据特征并做出复杂决策或预测的机器学习类型。研究人员通过使用卷积成像模型生成大量高质量和低质量图像对来应用这种方法。这些图像对被用来训练一个多尺度卷积神经网络，以便它能够识别每种类型图像的特征，并使用它来将低质量图像转换成高质量图像。

研究人员现在正在设计具有复杂功能的金属透镜，如彩色或广角成像，并开发神经网络方法来增强这些先进金属透镜的成像质量。要使这项技术适用于商业应用，需要新的装配技术，将金属透镜集成到智能手机成像模块中，并专门为手机设计的图像质量增强软件。

陈说:“超轻薄的金属透镜代表着未来成像和检测的革命性技术。”“利用深度学习技术优化金属透镜性能标志着一个重要的发展轨迹。我们预见机器学习将是推动光子学研究的重要趋势。”