Ultra

Nature Communications volumen 13, número de artículo: 2732 (2022) Citar este artículo

9564 Accesos

26 citas

1 altmétrica

Detalles de métricas

La obtención de imágenes ideales, que se persigue constantemente, requiere la recopilación de todo tipo de información óptica de los objetos a la vista, como información espacial tridimensional (3D), incluida la distribución plana y la profundidad, y los colores, es decir, información espectral (1D). ). Aunque las imágenes espaciales tridimensionales y las imágenes espectrales han evolucionado rápidamente individualmente, su sencilla combinación es un sistema engorroso que obstaculiza gravemente las aplicaciones prácticas de las imágenes cuatridimensionales (4D). Aquí, demostramos la imagen de campo de luz espectral ultracompacta (SLIM) mediante el uso de una matriz de metales transversalmente dispersiva y un sensor de imagen monocromático. Con solo una instantánea, SLIM presenta imágenes avanzadas con una resolución espectral de 4 nm y una resolución espacial cercana al límite de difracción. En consecuencia, los objetos y materiales visualmente indistinguibles se pueden discriminar a través de SLIM, lo que promueve un progreso significativo hacia la obtención de imágenes plenópticas ideales.

Las imágenes ópticas son una tecnología importante ampliamente utilizada para recopilar información espacial de objetos, desde montañas y edificios gigantes hasta células microscópicas e incluso moléculas. Para abordar la insuficiencia en la resolución de profundidad de las imágenes planas, se han desarrollado varias técnicas de imágenes tridimensionales (3D), como imágenes de campo de luz1,2, visión estereoscópica3, iluminación de luz estructurada4 y métodos de tiempo de vuelo5 con fuentes de luz adicionales. empleado para obtener eficazmente la información espacial 3D de la escena u objetos capturados. Además, la imagen en color basada en la teoría de los tres colores primarios de Maxwell introduce una nueva dimensión, es decir, la dimensión espectral, a la imagen monocromática tradicional, que simplemente integra todos los espectros en una única intensidad. Aunque los mecanismos tricolores (rojo, verde, azul) se emplean ampliamente en productos de visualización y visualización de productos básicos, la demanda de información espectral completa se está volviendo cada vez más urgente en diversos escenarios de aplicación, como la discriminación de materiales, la inspección industrial y el reconocimiento de metamerismo. Por lo tanto, la integración de las imágenes tradicionales y la espectroscopia se ha convertido en una tendencia inevitable en la evolución de las imágenes ópticas. Durante la última década, se han desarrollado muchas técnicas eficientes de imágenes espectrales que combinan imágenes planares tradicionales, por ejemplo, el generador de imágenes espectrales de instantáneas de apertura codificada (CASSI)6, el espectrómetro de imágenes por tomografía computarizada (CTIS)7 y el espectrómetro de imágenes con modulación de máscara de prisma (PMIS)8. . A pesar de su impresionante rendimiento y capacidad para tomar instantáneas, todo tipo de elementos ópticos integrados en las cámaras, como prismas, lentes, rejillas y máscaras, son extremadamente engorrosos, lo que impide gravemente que las cámaras se apliquen más ampliamente. Por otro lado, aún no se ha demostrado una técnica de imágenes avanzada que pueda adquirir información cuatridimensional (información 4D: información espacial 3D más información espectral 1D) con un tamaño ultracompacto y un rendimiento de alta calidad.

Recientemente, las metasuperficies han sido deseadas por su compacidad, lo que las convierte en alternativas prometedoras a los pesados ​​y complicados dispositivos ópticos a granel9,10. Una metasuperficie formada por densas disposiciones de nanoantenas podría controlar con precisión la fase, la intensidad, la polarización, el momento angular orbital y la frecuencia de la luz incidente9,10,11,12,13. Hasta la fecha, entre todos los dispositivos fotónicos planos basados ​​en metasuperficies, el metalente es el más fundamental y destacado14,15. Al adaptar las nanoantenas, las metalentes ultrafinas han mostrado rendimientos equivalentes o incluso mejores en términos de eficiencia16, apertura numérica (NA)17, acromatismo de banda ancha18,19, cancelación de coma20, etc. También se ha demostrado que las imágenes obtienen información 3D en el régimen visible sin ninguna aberración cromática21. Trabajos pioneros también han utilizado metasuperficies u otras nanoestructuras para obtener espectros de alta calidad en configuraciones compactas22,23,24,25. Sin embargo, aunque este progreso es una buena base para la adquisición de información espectral, las imágenes 4D aún están lejos debido a la dificultad de lograr espectros de alta calidad y resolución espacial 3D simultáneamente. En este trabajo, aprovechando las matrices de metales transversalmente dispersivas, demostramos imágenes de campo de luz espectral ultracompactas (SLIM) para registrar información 4D a través de una única instantánea utilizando un sensor monocromático.

La parte principal de SLIM es una matriz metálica basada en TiO2 de 48 × 48 combinada con un sensor CMOS monocromático. Debido a que la matriz de metalentes podría capturar información espacial 3D, el paso clave hacia las imágenes 4D es la captura de información espectral, lo que requiere un metalente transversalmente dispersivo. Básicamente, el foco de la luz de onda plana en un punto arbitrario en el plano focal (x′, y′, f) necesita un perfil de fase de la forma:

donde f es la distancia focal de las lentes metálicas y θ es el ángulo de incidencia. Para lograr la dispersión transversal, el haz incidente de banda ancha debe enfocarse en un plano focal fijo con un gran desplazamiento lateral en diferentes longitudes de onda. Los metalenses tienen naturalmente fuertes aberraciones cromáticas, con los puntos focales moviéndose a lo largo de la dirección de propagación de la luz en diferentes longitudes de onda. Sin embargo, esta dispersión transversal también se ve afectada por el desenfoque, lo que no es útil para la extracción de información espectral en un sistema de imágenes instantáneas. Por el contrario, la aberración cromática transversal, en la que imágenes de diferentes longitudes de onda se extienden a lo largo del plano de la imagen, produce más diferencias entre las diferentes longitudes de onda, lo que puede facilitar en gran medida la extracción de información espectral. Para realizar esta gran compensación de fase, se emplean nanopilares y nanoagujeros con una alta relación de aspecto. La Figura 1a muestra un esquema de la obtención de imágenes transversalmente dispersivas de una metalente. Aquí, se emplea el principio de división de fase para abordar este caso de manipulación de la dispersión18,19,26. La fase de compensación es necesaria para controlar el perfil de fase proporcionado por las lentes metálicas en diferentes longitudes de onda. Tomando como ejemplo el espectro visible {λb, λr}, la fase de compensación entre la luz roja y azul se expresa como Δφ(x) = φ(xb, 0, λb) − φ(xr, 0, λr) + ϕshift, donde ϕdesplazamiento = máx|φr − φb| se introduce para que las nanoantenas diseñadas puedan proporcionar la fase de compensación requerida. Esta fase de compensación puede ser proporcionada por la resonancia de la guía de ondas en los nanopilares y estructuras inversas (nanoagujeros) específicamente diseñados19,21 (consulte la Nota complementaria 1: Diseños y simulación numérica para obtener más detalles). En este trabajo, elegimos que la banda de trabajo sea {400 nm, 667 nm} y xb = 11,15 μm, xr = −13,85 μm y f = 165 μm. Bajo un ángulo de incidencia θ = −16 °, se pueden lograr imágenes óptimas con dispersión transversal, con los perfiles de fase en diferentes longitudes de onda que se muestran en la Fig. 1b. La simulación numérica del enfoque transversalmente dispersivo con esta lente metálica se muestra en la Fig. 1c, que se ajusta bien al diseño de división de fase.

a Esquema de los metales transversalmente dispersivos. b Distribuciones de fase a diferentes longitudes de onda y compensación de fase producida por los metalentes. El recuadro muestra la compensación de fase requerida de las lentes metálicas. c Perfil de intensidad del punto focal simulado para diferentes longitudes de onda. d Imagen de microscopio electrónico de barrido (SEM) de la matriz metálica fabricada. e Vista superior de la región roja en (d) (metales individuales). Imagen SEM ampliada (f) de la región verde en (e). Vista inclinada (g) de la región azul en (e). En (h) se muestra la imagen de una letra "4" de las lentes metálicas con una iluminación de luz blanca con una ventana de transmisión de 450 nm a 650 nm.

Con base en el diseño anterior, se fabricó experimentalmente una matriz de metales de TiO2 mediante un proceso combinado de litografía por haz de electrones y plasma acoplado inductivamente (consulte la Nota complementaria 2: Fabricación del dispositivo para obtener información detallada). A diferencia de técnicas anteriores con deposición de capas atómicas16, en la investigación actual se ha empleado un proceso de grabado de arriba hacia abajo para mejorar la fabricación en masa, el rendimiento de producción y el consumo de tiempo de los metalentes de TiO2. La Figura 1d muestra una imagen de microscopía electrónica de barrido (SEM) de vista superior de una matriz de metalentes de TiO2 que consta de 48 × 48 metalentes. Cada metalente tiene un diámetro de 30 µm y contiene más de 25.000 nanopilares y nanoagujeros de TiO2 (ver Fig. 1e, f). La imagen SEM de vista inclinada en la Fig. 1g muestra que los nanopilares tienen paredes laterales verticales casi perfectas, lo cual es de crucial importancia para controlar eficientemente el índice de refracción efectivo en cualquier posición de la matriz metálica. Aquí, la relación de aspecto máxima alcanza 40, que es mucho mayor que la de informes anteriores. Nuestro método de fabricación puede promover en gran medida el rendimiento de los metalentes de TiO2 y ampliar sus aplicaciones potenciales. Se ha caracterizado la función óptica de las lentes metálicas y el buen rendimiento demuestra la excelente fabricación (consulte la Nota complementaria 3: Medidas ópticas para obtener más detalles). También se han investigado las imágenes de dispersión transversal de los metalentes. Utilizando iluminación de luz blanca con una ventana de transmisión de 450 a 650 nm, las lentes metálicas representan la letra "4" en diferentes posiciones y diferentes longitudes de onda. El cambio evidente entre imágenes muestra la dispersión transversal (ver Fig. 1h). Sin embargo, esto también conduce a una gran superposición entre las imágenes de diferentes longitudes de onda y, en consecuencia, da como resultado una imagen borrosa.

En lugar de utilizar elementos ópticos adicionales como una máscara codificada6,8 o una cámara auxiliar27 para evitar la superposición y el desenfoque, se ha introducido un algoritmo de reconstrucción del espectro en el sistema SLIM para obtener la información espectral en cada posición de una escena. Además, toda el área de las lentes metálicas se utiliza para recibir la luz incidente. Teniendo en cuenta que el grosor y la distancia focal de la matriz de lentes metálicas son pequeños, la cámara SLIM puede lograr tanto el mejor rendimiento lumínico como la mayor compacidad del sistema. Para aclarar todo el proceso del sistema SLIM, en la Fig. 2 y en la Película complementaria 1 se muestran el esquema de adquisición y reconstrucción del sistema SLIM propuesto, el sistema de imágenes de campo de luz convencional2 y el sistema de imágenes espectrales instantáneas6.

En cuanto al sistema SLIM que se muestra en la Fig. 2a, el cubo de datos 4D "x + y + z + λ" está modulado por una matriz de metalens y desacoplado en información de múltiples vistas "x + y + λ". Luego, a través de la alta dispersión de las lentes metálicas propuestas, se forma una imagen borrosa (causada por la integración de la superposición espectral) detrás de cada lente metálica y es capturada por la cámara. Finalmente, utilizando el algoritmo de reconstrucción del espectro del campo de luz propuesto (un método de optimización convexo inherente), se pueden recuperar los resultados de imágenes tanto “x + y + λ” como “x + y + z” de la escena capturada.

La Figura 2b describe la imagen de campo de luz clásica, que carece de la capacidad de codificar información espectral; se pueden obtener imágenes de profundidad en capas (LDI) compensando la información espacial y de profundidad.

La Figura 2c describe el método de imágenes espectrales de instantáneas de apertura codificada (CASSI). El cubo de datos espectrales “x + y + λ” se dispersa mediante un prisma y luego se modula mediante una máscara codificada aleatoriamente, lo que da como resultado un cubo de datos 3D codificado y cortado. La máscara codificada aleatoriamente está diseñada de acuerdo con el principio de detección de compresión (CS), el cubo de datos completo “x + y + λ” se puede reconstruir finamente basándose en el hecho de que la información espacial-espectral es escasa en el dominio wavelet.

El diagrama del sistema de imágenes de campo de luz espectral propuesto se muestra en (a), el diagrama del sistema de imágenes de campo de luz convencional se muestra en (b), el sistema de imágenes espectrales de instantáneas (CASSI) se muestra en (c).

Para obtener un alto rendimiento lumínico, alta resolución espacial y alta resolución espectral al mismo tiempo, es inevitable que se capturen imágenes espectrales y espaciales con alias. Debido a que la información espectral y la información espacial están acopladas, la adquisición de información espectral se transforma en la resolución de un problema de optimización mal planteado. La restricción anterior es la tecnología básica para resolver problemas de optimización mal planteados y también es la clave para reconstruir imágenes hiperespectrales acopladas al espacio-espectro. Primero, establecemos un término de fidelidad de datos para el objetivo de optimización basado en el modelo físico del proceso de obtención de imágenes y, segundo, establecemos un término de restricción para el objetivo de optimización a través de la información estadística de la imagen real. Debido a la estructura de la imagen y la consistencia de la dispersión, siempre podemos encontrar una solución óptima adecuada para el objetivo de optimización.

La Figura 3 es una demostración de la simulación numérica de nuestro algoritmo de reconstrucción de dispersión para ilustrar la viabilidad del algoritmo. Para ello, seleccionamos aleatoriamente un conjunto de datos espectrales de la clásica base de datos de imágenes multiespectrales de Columbia28, que contiene un total de 31 imágenes espectrales de 400 a 700 nm, con un intervalo de 10 nm. Usamos el diseño de dispersión de las metalentes transversalmente dispersivas propuestas para generar una imagen borrosa de dispersión a partir de estas 31 imágenes espectrales, y luego usamos nuestro algoritmo de reconstrucción espectral propuesto para reconstruir 31 canales de datos espectrales a partir de esta imagen borrosa de dispersión. Aquí, mostramos cinco imágenes espectrales de la verdad fundamental para compararlas con los resultados de la reconstrucción para ilustrar la efectividad de nuestro algoritmo.

a La imagen RGB original de datos espectrales. b La imagen de dispersión simulada utilizando el modelo directo igual que SLIM. c La imagen gris reconstruida. d La síntesis de imágenes en color reconstruidas a partir de datos espectrales reconstruidos. e El gráfico espectral de la posición verde, la línea verde es el resultado reconstruido, la línea negra es la verdad fundamental. f El gráfico espectral de la posición azul, la línea azul es el resultado reconstruido, la línea negra es la verdad fundamental. g Se presentan las imágenes originales de longitud de onda única. h Se presentan las imágenes reconstruidas de longitud de onda única.

La Figura 3a muestra la imagen original de un trozo de limón. La imagen simulada relacionada con la capturada por una lente metálica transversalmente dispersiva se representa en la Fig. 3b. El diseño transversalmente dispersivo del sistema SLIM enfoca las diferentes longitudes de onda en diferentes posiciones del plano, formando un resultado similar a una imagen borrosa por movimiento, con la información espectral útil oculta en el desenfoque.

El algoritmo propuesto reconstruye la imagen gris dispersa de entrada como un cubo multiespectral, para obtener información de textura clara sin desenfoque dispersivo. La imagen espectral reconstruida se puede estimar a partir de una imagen borrosa dispersiva de entrada29, minimizando la siguiente optimización convexa:

El primer término describe los datos residuales de nuestro modelo de formación de imágenes, y ∥·∥2 es la norma L2, utilizada para limitar la fidelidad de los datos. Φ describe la degradación de la imagen desde datos multiespectrales hasta imágenes grises dispersas. S y D son los datos espectrales y la imagen gris dispersa, respectivamente. mientras que los otros términos son anteriores, y α1 y β1 son los pesos de los términos correspondientes. ∥·∥1 es la norma L1, donde ∇xy es un operador de gradiente espacial que denota la diferencia entre datos espectrales y el plano de la imagen, y ∇λ es un operador de gradiente espectral que denota la diferencia entre datos espectrales en canales adyacentes. El primer prior es un término tradicional de variación total, que garantiza la escasez de gradientes espaciales y la eliminación de los artefactos espaciales. El segundo prior es un término de variación total por canal, que garantiza la escasez de los gradientes espectrales y preserva la consistencia espectral.

La imagen gris reconstruida se muestra en la Fig. 3c. Como se muestra en la Fig. 3e, f, los espectros reconstruidos son consistentes con la verdad fundamental en cualquier parte de la imagen reconstruida, como los dos puntos marcados por los cuadros azul y rojo en la Fig. 3c. Por lo tanto, la imagen colorida se puede recuperar por completo (ver Fig. 3d). Es importante ver que tanto el color como el perfil espacial coinciden muy bien con los datos iniciales. Esta coherencia se verifica aún más comparando la imagen real (Fig. 3g) y la imagen reconstruida (Fig. 3h) en diferentes longitudes de onda.

Con los metales transversalmente dispersivos y el algoritmo de reconstrucción del espectro, la información visual de la escena, incluida la distribución espacial de los objetos coloridos, se puede registrar mediante una única instantánea de SLIM con un sensor monocromático. Las Figuras 4a, b muestran una escena que consta de cuatro letras "META" en diferentes colores colocadas en diferentes posiciones espaciales. La configuración de medición se muestra en la Fig. 12 complementaria. Los datos sin procesar capturados por un sensor monocromático se muestran en la Fig. 4c, que constan de subimágenes de 48 × 48 correspondientes a diferentes ángulos de visión. Cada subimagen consta de 75 × 75 píxeles y contiene una imagen invertida de las letras (consulte el recuadro de la Fig. 4c). Utilizando el algoritmo de reconstrucción, la información espectral de cada subimagen se puede obtener con una resolución espectral de 8 nm (consulte la Nota complementaria 4: Algoritmo de reconstrucción del espectro de campo de luz para obtener más detalles). Siguiendo el método convencional de obtención de imágenes de campo de luz, la información espacial 3D se puede reconstruir utilizando las subimágenes21. La imagen renderizada completamente enfocada con una gran profundidad de campo se muestra en la Fig. 4d, en la que las cuatro letras están bien representadas en términos de posiciones espaciales y colores (información espectral). La Figura 4e-h y la Película complementaria 2 ilustran las imágenes reconstruidas a profundidades de imagen de 69,8 cm, 57,3 cm, 45,1 cm y 37,8 cm, que corresponden a las posiciones reales de las cuatro letras. Se pueden observar imágenes claras de las cuatro letras individuales “M”, “E”, “T” y “A” con fondos borrosos, lo que presenta la capacidad de extraer información de profundidad con una matriz de lentes metálicas. Además, dado que SLIM puede presentar el espectro en cualquier parte de las imágenes de los objetos, puede determinar con éxito los colores exactos de los objetos. Los espectros en partes arbitrarias de las cuatro letras se muestran en las figuras 4i-l, que muestran una buena concordancia con los espectros medidos por un espectrómetro comercial, lo que indica una buena reconstrucción del espectro. La tabla de pruebas de resolución de la Fuerza Aérea de los Estados Unidos de 1951 también se ha utilizado para comprobar la resolución de nuestro sistema SLIM. El grupo 7, elemento 2 del cuadro se resolvió (consulte la figura complementaria 11), lo que da una resolución (~ 2,9 µm) cercana al criterio de Rayleigh de los metales propuestos.

a, b Vista diferente de la escena que consta de cuatro letras con diferente color en diferentes posiciones espaciales. c Los datos brutos del sistema SLIM. El recuadro son las imágenes ampliadas del área dentro del cuadro rojo. d La imagen en color renderizada totalmente enfocada. Imágenes renderizadas con profundidades de enfoque de 69,8 cm (e), 57,3 cm (f), 45,1 cm (g) y 37,8 cm (h). i–l Espectros de cuatro letras. Las líneas de puntos rojos son los espectros reconstruidos a partir de la matriz de metales, y las líneas de puntos grises se miden con un espectrómetro comercial.

Cabe señalar que la resolución espectral de SLIM se puede mejorar aún más entrenando la red de superresolución espectral en datos espectrales de baja resolución emparejados y datos espectrales de alta resolución (consulte la Nota complementaria 5: Algoritmo de reconstrucción de espectro entrenado para obtener más detalles), que Se utilizan para la mayoría de las mediciones ópticas y discriminaciones de materiales. Aquí, demostramos un caso de imágenes más allá de la capacidad del ojo desnudo y de las imágenes de campo de luz, que requiere tanto información espectral de alta resolución como información de profundidad. Los dos tipos de materiales, tela química magenta y papel pintado con acuarela, se muestran en la Fig. 5a, con sus espectros trazados en el recuadro, que muestra perfiles de espectro bastante similares en el régimen visible. Se coloca una tela química en forma de "I" a una distancia del papel pintado con acuarela en forma de "O", como se presenta en la Fig. 5b, c en diferentes ángulos de visión. Cuando se utiliza una cámara de imágenes planas típica, solo se puede capturar una imagen magenta en forma de "Φ" (ver Fig. 5b), debido a la falta de información de profundidad y propiedades del material a partir de la información espectral de alta resolución. Ni las imágenes de campo luminoso ni las imágenes espectrales pueden revelar totalmente la diferencia entre estos dos objetos. Sólo las imágenes SLIM, que obtienen simultáneamente información 4D, pueden resolver este problema. Como se muestra en el recuadro de la Fig. 5a, los espectros de los dos materiales tienen picos cercanos a 618 nm y 626 nm. Después de emplear el algoritmo de reconstrucción del espectro entrenado, se logra una resolución espectral más alta de hasta 4 nm, en la que se pueden distinguir bien los dos picos espectrales. Después de renderizar el espectro en cualquier posición espacial 3D en la escena, un proceso simple, r(626) − r (618), puede ampliar eficientemente la diferencia entre los materiales con picos espectrales a 618 nm y 626 nm, donde r(λ) es la intensidad en cualquier posición espacial con longitud de onda λ. La Figura 5d muestra la imagen completamente enfocada después de este proceso con normalización, en la que se puede reconocer claramente la tela de fibra química del papel pintado con acuarela. Por el contrario, después de la normalización inversa con la mayor intensidad correspondiente a una imagen más oscura, se puede distinguir el papel pintado con acuarela (ver Fig. 5e). Por lo tanto, el espectro de alta resolución capturado por SLIM se puede utilizar fácilmente para discriminar materiales y camuflar grietas. Al mismo tiempo, la imagen del campo de luz habilitada por la matriz de metalens también presenta la información espacial 3D de los dos objetos, como se muestra en la Fig. 5f, g.

a La acuarela pintó papel y tela de fibra química. El recuadro son los espectros de estos dos materiales. b, c Vista diferente de la escena que consta de tela de fibra química en forma de “I” y papel pintado con acuarela en forma de “O” colocados separados uno del otro. El resultado de la discriminación material para “I” (d) y “O” (e) respectivamente. f La imagen renderizada en el plano “I”. g La imagen renderizada en el plano “O”.

Hasta ahora, hemos utilizado la información 4D capturada por el sistema SLIM para reconocer objetos con diferentes posiciones espaciales o con casi el mismo color pero diferentes tipos de materiales o texturas, lo que supera la funcionalidad del ojo desnudo, imágenes de campo luminoso, e imágenes espectrales. Para el mismo tipo de material o textura, los espectros serán mucho más similares y el reconocimiento espectral será más desafiante. Tomemos como ejemplo la discriminación de dos tipos de colores de pintura, por ejemplo, el color gouache y la acuarela. Creamos una matriz de puntos en papel y pintamos los puntos con estos dos colores para producir la información "SLIM", como se muestra en la Fig. 6a. Todos los puntos tienen colores similares debido a sus espectros muy similares, como se muestra en la Fig. 6b. El desnivel que se aprecia entre los puntos se debe a los diferentes espesores de pintura de cada punto. Es bastante difícil extraer información oculta mediante imágenes a todo color e incluso las imágenes 4D anteriores con una resolución espectral de 4 nm. En este caso se requiere una resolución espectral mayor. El método de muestreo de acoplamiento espacial-espectral propuesto transformó el equilibrio entre la resolución angular, la resolución espacial y la resolución espectral en un equilibrio entre la resolución angular y la resolución espacial. Para el esquema FLF (campo de luz enfocado) adoptado por SLIM, cada microlente forma un sistema de relé con la lente principal. Esta configuración produce un equilibrio flexible en el muestreo de dimensiones espaciales y angulares y puede muestrear de manera más efectiva la información de posición del campo de luz. Simplemente cambiando la posición de la microlente y la apertura de la lente principal, el SLIM podría cambiar de manera flexible la resolución angular, la resolución espacial y la resolución espectral que necesitamos (consulte la Nota complementaria 6: Compensación entre resolución espacial en el plano , resolución de profundidad, resolución espectral, resolución angular y apertura numérica para una discusión detallada). Al ajustar la apertura de la lente principal y la posición de la matriz de lentes metálicas, se puede cambiar la relación objeto-imagen y la dispersión espectral del sistema SLIM se puede ajustar de manera flexible e incluso ampliar. Una mayor dispersión espectral conduce a una mayor resolución espectral. También reducimos el tamaño de apertura de la lente principal para evitar el alias de imagen de las lentes metálicas adyacentes. En consecuencia, se puede obtener una resolución espectral de 3 nm. La Figura 6b ilustra los espectros promedio de los puntos de acuarela y los puntos de color gouache de las muestras, donde se pueden encontrar tendencias de variación ligeramente diferentes de los espectros de 525 a 625 nm. Con una única instantánea del sistema SLIM, la información oculta se puede distinguir fácilmente del fondo. En la Fig. 6c, los puntos pintados con acuarela y gouache se han distinguido y marcado en azul y rosa, respectivamente. Aquí se pueden ver claramente los cuatro caracteres de “SLIM”, siendo muy consistentes con el diseño original (Fig. 6d).

a Imágenes capturadas con cámara convencional. b La respuesta espectral de los personajes y el fondo, respectivamente. c En la imagen renderizada con el sistema SLIM y el algoritmo de reconstrucción, la ligera diferencia espectral se puede ampliar, haciendo visible la información oculta. d Diseño del patrón de (a).

La esencia del SLIM propuesto es que las limitaciones de los límites se pueden moldear naturalmente para cada subapertura durante la obtención de imágenes a través de la matriz de lentes metálicas (un dispositivo en lugar de muchos: elementos transversalmente dispersivos + apertura/máscara de código + matriz de microlentes), lo que recolecta mucho Más compacidad y rendimiento ligero. En el SLIM propuesto, la imagen está separada por cada subapertura, que actúa como un conocimiento previo más para la reconstrucción. En la Fig. 4, buscamos demostraciones simples para mostrar posibles escenarios de aplicación que atraigan el interés del público. En el caso más complicado de la Fig. 5, se ha demostrado la capacidad de resolver la superposición de la información espacial y espectral.

En resumen, basándose en los metales de TiO2 transversalmente dispersivos, hemos propuesto y realizado experimentalmente el primer sistema SLIM que puede resolver simultáneamente información espacial 3D e información espectral adicional. Los objetos con ligeras diferencias espaciales o espectrales se pueden distinguir representando las subimágenes mediante un algoritmo de superresolución de espectro (consulte la Nota complementaria 5: Algoritmo de superresolución de espectro entrenado para obtener información detallada). Con esta técnica, se podría distinguir fácilmente un camaleón del entorno a través de la información 4D capturada por el sistema SLIM. Tenga en cuenta que SLIM no se limita al espectro de transmisión/reflexión/emisión visible. El mismo concepto puede extenderse a las señales infrarrojas y Raman. Además, el SLIM compacto se realiza principalmente dentro de una delgada matriz de lentes metálicas, que es integrable con sistemas ópticos integrados como chips fotónicos o fibras. Esta capacidad de imágenes 4D del SLIM basado en matrices de metalens revolucionará los sistemas ópticos y bioópticos modernos.

Deposición de la película: la película de TiO2 de alta calidad se deposita sobre un sustrato de vidrio recubierto de óxido de indio y estaño (ITO) de 13 nm con un evaporador de haz eléctrico (Syskey A-75) con una tasa de deposición de 0,8 Å/s y una presión de vacío base de 2 × 10-7 torr. Los parámetros ópticos se miden mediante elipsometría espectroscópica y se muestran en la figura complementaria 3. La parte real del índice de refracción está por encima de 2,1 en toda la longitud de onda visible, mientras que la pérdida es casi ignorable. Nanofabricación: Después de la deposición de TiO2, se recubre por rotación PMMA A2 de 120 nm sobre la película de TiO2 y se hornea a 180 °C durante 10 minutos. Luego, la película de PMMA se expone a un haz eléctrico con un sistema de litografía por haz de electrones (Raith E-line Plus). Después de revelarse en MIBK: solución IPA a 20 °C, las nanoestructuras diseñadas se modelan en la película de PMMA. Luego, la muestra se transfiere a un evaporador de haz E y se deposita sobre ella cromo (Cr) de 40 nm. Finalmente, el patrón se transfiere a Cr mediante un proceso de despegue utilizando Remover PG.

Al aplicar Cr como material duro, la película de TiO2 se graba con una mezcla de gas Cl2 y Ar en un grabador de plasma acoplado inductivamente (Oxford ICP100). La selectividad entre Cr y TiO2 es de aproximadamente 50:1 y la velocidad de grabado para TiO2 es de aproximadamente 20 nm/s. El metal de TiO2 final se logra retirando la máscara de Cr en un grabador de cromo a temperatura ambiente durante 2 minutos, como se muestra en la Figura complementaria 4.

Después de la fabricación de la matriz de metales de dispersión transversal, llevamos a cabo la caracterización de la eficiencia lumínica de los metales, la calibración de la dispersión de los metales, la caracterización de la resolución espacial, esto se logra mediante el uso de un sistema de relé óptico para obtener imágenes de un orificio o la resolución de la USAF de 1951. Gráfico de prueba iluminado por LED de fibra acoplada. Luego llevamos a cabo experimentos de imágenes reemplazando el orificio con escenas personalizadas. Los LED de fibra acoplada se utilizan para iluminar las escenas personalizadas que serán capturadas por nuestro sistema SLIM. Consulte la Nota complementaria 3 para obtener una descripción detallada.

Los datos utilizados para evaluar el algoritmo de reconstrucción espectral están disponibles en el artículo. Los conjuntos de datos completos están disponibles a través de los autores previa solicitud razonable. Los datos originales se proporcionan con este documento.

El código utilizado para evaluar el algoritmo de reconstrucción espectral está disponible en el artículo. Los códigos completos están disponibles a través de los autores previa solicitud razonable.

Lippmann, G. Pruebas reversibles que dan sensación de alivio. J.Phys. Teor. Aplica. 7, 821–825 (1908).

Artículo de Google Scholar

Ng, R. Fotografía en corte de Fourier. Transmisión ACM. Grafico. 24, 735–744 (2005).

Artículo de Google Scholar

Marr, D. y Poggio, T. Una teoría computacional de la visión estereoscópica humana. Proc. R. Soc. Londres. B 204, 301–328 (1979).

Artículo ADS CAS Google Scholar

Gustafsson, MG Superación del límite de resolución lateral en un factor de dos mediante microscopía de iluminación estructurada. J. Microsc. 198, 82–87 (2000).

Artículo CAS Google Scholar

Delpy, DT et al. Estimación de la longitud del camino óptico a través del tejido a partir de la medición directa del tiempo de vuelo. Física. Medicina. Biografía. 33, 1433-1442 (1988).

Artículo CAS Google Scholar

Wagadarikar, A. y col. Diseño de dispersor único para imágenes espectrales instantáneas de apertura codificada. Aplica. Optar. 47, B44-B51 (2008).

Artículo de Google Scholar

Descour, M. & Dereniak, E. Espectrómetro de imágenes por tomografía computarizada: resultados de reconstrucción y calibración experimental. Aplica. Optar. 34, 4817–4826 (1995).

Artículo ADS CAS Google Scholar

Cao, X. y col. Un sistema de máscara-prisma para la adquisición de vídeo multiespectral. Traducción IEEE. Patrón Anal. Mach. Intel. 33, 2423–2435 (2011).

Artículo de Google Scholar

Yu, N. y col. Propagación de la luz con discontinuidades de fase: leyes generalizadas de reflexión y refracción. Ciencia 334, 333–337 (2011).

Artículo ADS CAS Google Scholar

Kildishev, AV y cols. Fotónica plana con metasuperficies. Ciencia 339, 1232009 (2013).

Artículo de Google Scholar

Arbabi, A. y col. Metasuperficies dieléctricas para un control completo de fase y polarización con resolución espacial por debajo de la longitud de onda y alta transmisión. Nat. Nanotecnología. 10, 937 (2015).

Artículo ADS CAS Google Scholar

Wu, PC y cols. Generación de polarización versátil con una metasuperficie plasmónica de aluminio. Nano Lett. 17, 445–452 (2017).

Artículo ADS CAS Google Scholar

Li, G. y col. Metasuperficies fotónicas no lineales. Nat. Rev. Mater. 2, 17010 (2017).

Artículo ADS CAS Google Scholar

Khorasaninejad, M. et al. Metalenses: Componentes fotónicos multifuncionales versátiles. Ciencia 358, eaam8100 (2017).

Artículo de Google Scholar

Chen, X. et al. Metalentes plasmónicos de doble polaridad para luz visible. Nat. Comunitario. 3, 1–6 (2012).

ADS CAS Google Académico

Khorasaninejad, M. et al. Metalentes en longitudes de onda visibles: enfoque limitado por difracción e imágenes de resolución por debajo de la longitud de onda. Ciencia 352, 1190-1194 (2016).

Artículo ADS CAS Google Scholar

Liang, H. y col. Metales de apertura numérica ultraalta en longitudes de onda visibles. Nano Lett. 18, 4460–4466 (2018).

Artículo ADS CAS Google Scholar

Wang, S. y col. Dispositivos de metasuperficie ópticos acromáticos de banda ancha. Nat. Comunitario. 8, 187 (2017).

ADS del artículo Google Scholar

Wang, S. y col. Un metal acromático de banda ancha en lo visible. Nat. Nanotecnología. 13, 227–232 (2018).

Artículo ADS CAS Google Scholar

Arbabi, A. y col. Cámara óptica plana en miniatura basada en un doblete de metasuperficie de gran angular corregido para detectar aberraciones monocromáticas. Nat. Comunitario. 7, 13682 (2016).

Artículo ADS CAS Google Scholar

Lin, RJ y cols. Conjunto de lentes metálicas acromáticas para obtener imágenes de campos de luz a todo color. Nat. Nanotecnología. 14, 227–231 (2019).

Artículo ADS CAS Google Scholar

Tittl, A. y col. Códigos de barras moleculares basados ​​en imágenes con metasuperficies dieléctricas pixeladas. Ciencia 360, 1105-1109 (2018).

Artículo ADS MathSciNet CAS Google Scholar

Yesilkoy, F. et al. Imágenes hiperespectrales ultrasensibles y biodetección habilitadas por metasuperficies dieléctricas. Nat. Fotón 13, 390–396 (2019).

Artículo ADS CAS Google Scholar

Yang, Z. y col. Espectrómetros de un solo nanocable. Ciencia 365, 1017-1020 (2019).

Artículo ADS CAS Google Scholar

Bao, J. & Bawendi, MG Un espectrómetro de puntos cuánticos coloidales. Naturaleza 523, 67–70 (2015).

Artículo ADS CAS Google Scholar

Zang, W. y col. Manipulación de la dispersión cromática basada en metalenses. Adv. Madre. 32, 1904935 (2019).

Zhao, Y. et al. Reconstrucción espectral a partir de desenfoque dispersivo: un novedoso generador de imágenes espectrales con eficiencia lumínica. CVPR. 12202–12211 (2019).

Yasuma, F. et al. Cámara de píxeles variados generalizada: control postcaptura de resolución, rango dinámico y espectro. Traducción IEEE. Proceso de imagen 19, 2241–2253 (2010).

Artículo ADS MathSciNet Google Scholar

Baek, SH et al. Transmisión ACM. Gráfico 36, 1–2 (2017).

Google Académico

Descargar referencias

Los autores agradecen que este trabajo haya sido apoyado por el Programa Nacional Clave de I+D de China (2017YFA0303700), la Fundación Nacional de Ciencias Naturales de China (No. 62025108, 61627804, 11822406, 11774164, 11834007, 11774162, 11621091, 1197409 2). Este trabajo también cuenta con el apoyo de los Fondos de Investigación Fundamental para las Universidades Centrales No.020414380175, los proyectos de investigación fundamental de Shenzhen JCYJ20180507184613841, el Comité de Becas Universitarias/Consejo de Becas de Investigación de la Región Administrativa Especial de Hong Kong, China (Proyecto No. AoE/P-502 /20 y Proyecto GRF: 15303521), la Subvención de la Comisión de Innovación en Ciencia y Tecnología de Shenzhen (No. SGDX2019081623281169), el Departamento de Ciencia y Tecnología de la Provincia de Guangdong (2020B1515120073) y la Universidad de la Ciudad de Hong Kong (Proyecto No. 9380131).

Estos autores contribuyeron igualmente: Xia Hua, Yujie Wang, Shuming Wang.

Laboratorio Nacional de Microestructuras de Estado Sólido, Facultad de Física, Facultad de Ciencias e Ingeniería Electrónica, Universidad de Nanjing, Nanjing, 210093, China

Xia Hua, Shuming Wang, Xiujuan Zou, You Zhou, Feng Yan, Xun Cao, Zhenlin Wang y Shining Zhu

Ministerio de Industria y Tecnología de la Información Laboratorio clave del sistema de información micronano optoelectrónico, Instituto de Tecnología de Harbin (Shenzhen), Shenzhen, 518055, China

Yujie Wang y Shumin Xiao

Laboratorio clave de detección y manipulación óptica inteligente, Ministerio de Educación, Universidad de Nanjing, Nanjing, 210093, China

Shuming Wang, Xun Cao y Shining Zhu

Centro de innovación colaborativa de microestructuras avanzadas, Nanjing, 210093, China

Shuming Wang, Xun Cao, Zhenlin Wang y Shining Zhu

Departamento de Ingeniería Eléctrica, Universidad de la Ciudad de Hong Kong, Kowloon, Hong Kong, China

Lin Li y Din Ping Tsai

Laboratorio Estatal Clave de Espectroscopia de Precisión, Facultad de Física y Ciencias Electrónicas, Universidad Normal del Este de China, Shanghai, 200062, China

Lin Li

Laboratorio Pengcheng, Shenzhen, 518055, China

Shumin Xiao

Laboratorio Nacional Clave de Ciencia y Tecnología sobre Compuestos Avanzados en Ambientes Especiales, Instituto de Tecnología de Harbin, Harbin, 150080, China

Jiecai Han

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

XH, YW y SW contribuyeron igualmente a esta investigación. SW, SX, XC concibieron la idea y supervisan la investigación. XH, YW, XZ, YZ, LL, FY realizaron el experimento óptico y diseñaron el algoritmo de reconstrucción del espectro y del campo de luz. YW, SX, JH realizaron la fabricación de nanoestructuras y mediciones experimentales ópticas. XH, YW, SW, SX, DPT, ZW, SZ escribieron el manuscrito y todos los autores discutieron el contenido y prepararon el manuscrito.

Correspondencia a Shuming Wang, Xun Cao, Shumin Xiao, Din Ping Tsai, Zhenlin Wang o Shining Zhu.

Los autores declaran no tener conflictos de intereses.

Nature Communications agradece a los revisores anónimos por su contribución a la revisión por pares de este trabajo. Los informes de los revisores pares están disponibles.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Hua, X., Wang, Y., Wang, S. et al. Imágenes de campo de luz espectral instantáneas ultracompactas. Nat Comuna 13, 2732 (2022). https://doi.org/10.1038/s41467-022-30439-9

Descargar cita

Recibido: 09 de marzo de 2021

Aceptado: 25 de abril de 2022

Publicado: 18 de mayo de 2022

DOI: https://doi.org/10.1038/s41467-022-30439-9

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.