上海光学精密机械研究所----上海光机所在采样受限三维火焰化学发光光谱计算层析智能重建研究方面取得进展

信息公开

信息公开工作信息

相关规定
信息公开规定
 信息公开指南
 信息公开目录
组织机构
信息公开监督机构信息公开工作机构

年度报告
中国科学院上海光机所2023年度信息公开工作报告
 中科院上海光机所2022年度信息公开工作报告

信息公开

组织机构      发展规划

科研动态      科研成果      成果转化

人才队伍      招生培养

国际合作     科学普及     年度统计     科技期刊

预算决算
系列专题
2023 2022 2021 2020 2019 2018 2017 更多往年专题

超强激光科学卓越创新简报

(第六百十五期)

2025年3月21日

上海光机所在采样受限三维火焰化学发光光谱计算层析智能重建研究方面取得进展

近期，中国科学院上海光学精密机械研究所空天激光技术与系统部研究团队，提出一种在真实采样受限燃烧环境下三维火焰化学发光光谱计算层析智能重建方案（PIPEN），相关研究成果以“Physically enhanced neural network based on projection map synthesis for chemiluminescence tomography reconstruction with limited views”为题发表于Optics Express。

光学计算层析技术以其非侵入性在生物组织成像、工业检测等方面得到了广泛的应用。在通常情况下，获得投影方向数的数量直接决定了后续算法恢复所能获得特征信息的上限，然而在实际采集中由于成本、速度等限制能够获得的投影方向数是有限的。三维火焰化学发光光谱计算层析因其光学非侵入性在锅炉燃烧污染物监测、航空发动机燃烧诊断等方面得到了充分的关注。

研究团队以三维火焰化学发光光谱计算层析为例，开展了采样受限情况下的层析问题研究。研究使用的网络框架分为两步，如图1所示。第一步采用一个数据驱动网络学习视角变换映射，通过此步骤可将采集的有限视图扩充为满采样视图为后续三维层析重建提供更多可学习特征点。第二步将层析成像系统物理模型与神经网络集成在一起，并利用物理一致性损失来指导权重优化，使其成为一个未经训练、可扩展可解释的重建器。

图1. 概述所提方法的框架

研究重建结果如图2所示，在与训练数据集相关度较高和较低两类场进行了测试。测试结果表明本研究方法相对于受限采样下的重建方法在结果上有较大的提升且网络的泛化性极高。本研究在传统迭代优化算法和数据驱动的深度学习方法之间架起了一座桥梁；为受限采样下的层析重建问题提供了新思路，为更高性能的成像系统与算法开发提供了基础，可在低剂量X射线层析成像、磁共振成像（MRI）和光声层析成像(PAT)等领域应用。