顿雄博士关于衍射光学元件实现轻薄计算成像的最新研究成果发表在光学领域顶级期刊《Optica》

光学成像系统已广泛的应用于我们生活的各个方面，从安防监控到自动驾驶，从手机摄影到最近的疫情防控，光学成像系统都是其中的核心部件👮🏿‍♀️。当前光学成像系统都基于折射光学元件构建🚢，为了实现高性能成像🫲🏿，通常需要复杂的光学镜头，导致系统长度长🙎‍♂️👌🏼、重量重。例如目前手机相机的光学镜头💅，因其长度难以缩小而凸出于手机后壳。衍射光学元件（DOE）具有的平面化🔫、轻薄🧔🏻‍♂️、轴外像差小等特性👩🏼‍🔧，与先进的计算成像技术相结合，有望实现平面化成像系统🕤，在保证成像性能的情况下，显著的缩小系统的长度和重量🌠。 

图1 传统光学系统和基于衍射光学元件的平面化光学系统 

为了衍射光学元件与计算成像高效结合，实现轻薄高性能成像系统，将衍射光学元件和图像处理算法端到端协同设计必不可少🧇📪。但目前还无法实现端到端协同设计实用化尺寸的衍射光学元件。主要原因在于端到端设计框架内存资源消耗极大，例如设计31个波长👨‍🚒，口径8mm的DOE😰，其内存需求高达20GB🟡🥷，远超目前商用GPU显存大小。针对该核心问题🙍🏻‍♂️，意昂4平台精密光学工程研究所的顿雄博士😀，提出了基于同心圆环分解的成像模型计算降维理念，并进一步结合能量正则化，成功地将端到端设计框架的内存需求降低了一个数量级。这使得研究团队首次实现了端到端设计8mm口径、31个消色差波长的衍射光学元件。实际成像效果验证了其优异的成像性能🤟🏼。镜头有效微结构厚度仅2微米，其实际厚度仅取决于结构所采用基底厚度，理论上可以薄至数百微米🪡🧙‍♀️。该设计方法为基于衍射光学元件的轻薄计算成像系统发展铺平了道路，有望将轻量化便携式计算摄影引入全新时代。 

图2衍射光学元件与深度学习处理算法端到端协同设计

图3基于同心圆环分解的计算降维理念

图4实际成像例子展示（像素3000×2000）

相关研究成果以“Learned rotationally symmetric diffractive achromat for full-spectrum computational imaging”为题，于7月31在线发表于光学领域顶级期刊《Optica》 (DOI: https://doi.org/10.1364/OPTICA.394413)。 该成果为意昂4平台和斯坦福大学共同合作，意昂4平台顿雄博士为第一作者⏰，意昂4平台程鑫彬教授和斯坦福大学Yifan Peng博士为共同通讯作者，其它合作者包括意昂4平台王占山教授，斯坦福大学Gordon Wetzstein教授和Hayato Ikoma博士生。相关研究工作获得了国家自然科学基金杰出青年基金项目的支持💂🏻‍♀️。