Novo método de imagem sem lente captura imagens mais nítidas de objetos em movimento

A evolução acelerada de smartphones, dispositivos vestíveis e sistemas de diagnóstico médico portáteis impõe requisitos cada vez mais rigorosos aos sistemas de imagem. Espera-se que esses sistemas forneçam imagens claras, mantendo um formato compacto e leve. As câmeras convencionais dependem de sistemas de imagem baseados em lentes; no entanto, as lentes ópticas frequentemente limitam a miniaturização e estão sujeitas a aberrações, dispersão cromática e outras imperfeições ópticas. A imagem sem lente apresenta uma alternativa ao paradigma de imagem computacional. Em vez de depender de complexos conjuntos de lentes, o sensor registra diretamente as informações de difração do campo de luz modulado, e a imagem é posteriormente “recuperada” por meio de reconstrução computacional.

Desafios na Imagem Sem Lente

Quando o objeto a ser imagado está em movimento, a imagem sem lente enfrenta desafios ainda maiores. O sensor normalmente registra padrões de difração mistos e desfocados, e os métodos convencionais costumam exigir múltiplas aquisições ou depender de fortes suposições prévias. Essas limitações podem resultar na perda de informações temporais, desfoque de movimento e na falta de detalhes finos. Em aplicações como microscopia, observação de amostras ao vivo e monitoramento de processos biológicos dinâmicos, alcançar uma reconstrução clara de imagens dinâmicas a partir de uma única medição continua sendo um desafio persistente na área.

Avanços Recentes em Imagem Dinâmica

Recentemente, uma equipe de pesquisa conjunta da Universidade de Nanjing e da Universidade de Pequim, na China, relatou um avanço em Optoeletrônica Inteligente (IOE). O estudo explora um novo paradigma que integra modelos físicos com aprendizado profundo. Este framework oferece uma solução robusta para enfrentar os desafios mencionados. O objetivo central é superar a dependência convencional da imagem sem lente em múltiplas aquisições, suposições prévias fortes e modelos físicos de alta precisão em cenários dinâmicos. Isso permite que os sistemas de imagem sem lente recuperem imagens mais claras e de maior resolução de amostras em movimento, abrindo caminho para aplicações mais flexíveis e práticas.

Sistema de Imagem Sem Lente com Máscara

A equipe de pesquisa primeiro construiu um sistema de imagem dinâmica sem lente com restrição de máscara. Neste sistema, o campo óptico incidente é modulado por uma máscara binária, permitindo que os padrões de difração, que normalmente seriam difíceis de interpretar, transportem informações mais fisicamente interpretáveis. Com base nisso, a equipe introduziu uma abordagem de representação neural implícita, em que coordenadas espaciais e temporais são alimentadas em uma rede neural para aprender a distribuição de amplitude complexa de objetos dinâmicos em espaço e tempo contínuos. Diferente dos métodos convencionais, o framework proposto não apenas restringe a reconstrução no plano do sensor, mas também projeta uma função de perda colaborativa nos domínios espacial e de frequência.

Resultados das Simulações e Experimentos Reais

Experimentos de simulação demonstram as vantagens do método proposto em cenários dinâmicos complexos. Para alvos lineares e não lineares em movimento rápido, o McLDI-INR produziu consistentemente reconstruções mais próximas da verdade em várias situações. Em particular, preservou melhor contornos de objetos, estruturas de bordas e detalhes de textura de alta frequência, confirmando sua capacidade superior para reconstrução de cenas dinâmicas. Experimentos reais verificaram ainda mais o valor prático do McLDI-INR. Um sistema de imagem sem lente com máscara foi construído e a reconstrução dinâmica de um alvo de resolução USAF em movimento, bem como amostras de rotíferos nadando livremente, foi realizada. Os resultados experimentais mostram que o McLDI-INR melhora significativamente a nitidez das bordas do alvo de resolução e mitiga o desfoque de movimento.

Aplicações em Amostras Biológicas

Na imagem de amostras biológicas, o método também capturou com sucesso detalhes de movimento não rígido, como contração e deslocamento da cauda em rotíferos, indicando sua aplicabilidade tanto a alvos em movimento regulares quanto a processos dinâmicos complexos em sistemas vivos.

Conclusão

Este estudo demonstra que a integração profunda de modelagem física e representação neural implícita pode expandir os limites de capacidade da imagem sem lente, possibilitando a reconstrução de cenas dinâmicas com alta fidelidade e alta resolução espaço-temporal, sem depender de lentes ópticas convencionais. Esse avanço tem potencial para impulsionar o desenvolvimento de microscopia miniaturizada, detecção biológica portátil, observação dinâmica de processos vivos e dispositivos de sensoriamento inteligentes, oferecendo um novo caminho técnico para o futuro do design de sistemas ópticos e de imagem sem lente.

• A imagem sem lente pode superar limitações de lentes convencionais.
• Integração de aprendizado profundo melhora a qualidade da imagem.
• O sistema desenvolvido é promissor para aplicações em biologia.
• Abre caminhos para novos dispositivos de sensoriamento e microscopia.

Read more → www.news-medical.net