🔬 optics

YOSO: single-frame Gerchberg-Saxton phase retrieval with AI-based data augmentation for in-line holography

YOSO 是一种用于数字同轴全息显微术的单帧相位恢复框架，它利用基于人工智能的数据增强技术从单幅全息图生成多高度数据集，从而无需进行“分块与拼接”流程即可通过 Gerchberg-Saxton 算法实现高效且可泛化的重建。

原作者： Julianna Winnik, Adam Walocha, Wojciech Ogonowski, Wiktor Forjasz, Piotr Arcab, Mikołaj Rogalski, Aleksandra Rutkowska, Marzena Stefaniuk, José Ángel Picazo-Bueno, Vicente Micó, Maciej Trusiak, Maria

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Julianna Winnik, Adam Walocha, Wojciech Ogonowski, Wiktor Forjasz, Piotr Arcab, Mikołaj Rogalski, Aleksandra Rutkowska, Marzena Stefaniuk, José Ángel Picazo-Bueno, Vicente Micó, Maciej Trusiak, Maria Cywińska

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图用一台非常特殊的相机给透明物体拍照，比如水母或人类细胞。问题在于，这些物体并不阻挡光线，而只是轻微地弯曲光线。对于标准相机而言，它们看起来是隐形的。

在**数字同轴全息术（DIHM）**的世界里，科学家们使用了一个技巧：他们对物体拍摄一张略微失焦的照片。这会形成一种杂乱、模糊的明暗环状图案（就像池塘里的涟漪）。隐藏在这团混乱之中的是物体的形状，但你需要一个数学“解码器”来揭示它。

传统的解码器称为Gerchberg-Saxton（GS）算法，它非常有效，但有一个限制：它通常需要两张在不同距离拍摄的照片才能完美工作。拍摄两张照片会降低速度并使设备变得复杂。如果你只有一张照片，解码器就会感到困惑并产生一个“鬼影”图像（孪生像），从而破坏画面。

于是，YOSO（You Only Shot Once，仅拍一次）登场了。

魔法技巧：AI 助手

YOSO 是一个新系统，它让你仅凭一张模糊照片就能获得完美的三维重建。以下是其工作原理，使用一个简单的类比：

想象你试图猜测蛋糕内部的样子，但你只能看到顶层。

问题所在：你只有一张蛋糕的照片（全息图）。你需要另一张从略微不同角度拍摄的蛋糕照片，才能确定其三维形状。
AI 的工作：与其拍摄第二张照片，不如请一位超级聪明的 AI 助手（深度神经网络）去想象第二张照片会是什么样子。
训练过程：在使用它之前，你通过向它展示成千上万个计算机生成的花朵和自然场景示例来训练这个 AI。你展示给它看：“这是这朵花从距离 A 看的样子。现在，这是它从距离 B 看的样子。”AI 学习了光线弯曲（衍射）的规则，而无需见过任何真实的花朵。
结果：当你把单张模糊的细胞照片交给 AI 时，它会瞬间“梦”出那张本应在不同距离拍摄的第二张模糊照片。

将所有内容整合在一起

一旦 AI 创建了这个“想象”出来的第二张照片，YOSO 就会将真实照片和AI 生成的照片输入到值得信赖的、老式的 Gerchberg-Saxton 解码器中。因为解码器现在有了两张照片（一张真实，一张 AI 生成），它可以轻松去除“鬼影”图像，揭示物体清晰、锐利的三维结构。

为什么 YOSO 很特别

该论文强调了一些让 YOSO 脱颖而出的巧妙特性：

训练速度快：其他类似的 AI 系统需要整整一天（18 小时）来学习。YOSO 使用了一种特定类型的类脑架构（称为多尺度 ResNet），在标准计算机上不到2 小时就能学会光线的规则。这就像一名学生能在一个下午掌握一门学科，而不是整个学期。
无需剪切和粘贴：许多 AI 系统就像一台只能一次复印小纸片的复印机。你必须将大照片切成小方块，逐个复制，然后重新粘贴在一起（“打补丁和拼接”过程）。YOSO 就像一台广角扫描仪；它可以学习查看一张微小的 256 像素图像，但随后能瞬间处理巨大的全尺寸全息图，而无需将其切碎。
自然地填补空白：当计算机处理图像时，它们经常需要添加空白边框（填充）来进行数学运算。传统方法用黑色填充这些边框或复制边缘像素，这会制造出虚假的伪影。YOSO 是“物理感知”的。它了解光波的行为，因此会用正确的“光涟漪”填充这些边框，使数学运算完美运行。
适用于厚物体：由于 YOSO 不强制物体必须是扁平的，它在处理三维物体（如小鼠脑切片或游动的精子细胞）时效果极佳。它甚至能让你在照片拍摄后“重新聚焦”图像，就像在拍照后调整显微镜的焦距旋钮一样。

他们测试了什么

研究人员不仅是在完美的计算机模拟上测试了这一点。他们还尝试了：

测试靶标（类似显微镜用的标尺）以检查清晰度。
人类颊细胞（粘在载玻片上的扁平细胞）。
小鼠脑切片（厚实、复杂的组织）。
人类精子（游动的、三维的细胞）。

在每种情况下，YOSO 都成功去除了“鬼影”图像并揭示了清晰的细节，证明使用这种 AI 辅助技巧，可以从单次快照中获得高质量的三维数据。代码和数据现已公开，供任何人使用。

以下是论文《YOSO：基于 AI 数据增强的单帧 Gerchberg-Saxton 相位恢复用于同轴全息术》的详细技术总结。

1. 问题陈述

数字同轴全息显微术（DIHM） 是一种紧凑的、无透镜（或基于透镜）的成像技术，能够从离焦强度图样中恢复相位信息。然而，它面临着重大挑战：

孪生像效应：单帧 DIHM 受真实图像与共轭（孪生）图像重叠的影响，降低了重建质量。
单帧局限性：传统的高质量相位恢复（例如使用Gerchberg-Saxton (GS) 算法）需要在不同离焦距离处捕获多幅强度图像（多高度）。这降低了采集速度并增加了系统复杂性。
深度学习局限性：现有的单帧相位恢复深度学习方法通常存在以下问题：
- 泛化能力差：在特定样本上训练的模型在其他样本上表现不佳。
- 训练效率：U-Net 等架构需要较长的训练时间（例如约 18 小时），并且由于固定输入尺寸的限制，通常需要对大图像进行“分块与拼接”处理。
- 编码复杂：某些方法需要对复数场进行复杂的输出编码。
- 物理不一致性：深度学习中使用的标准填充方法（零填充）在输入到基于物理的重建算法（如 GS）时，可能会产生物理不一致性。

2. 方法论：YOSO 框架

作者提出了 YOSO（You Only Shot Once，仅需一次拍摄），这是一个将监督式深度学习与经典基于物理的算法相结合的混合框架。

核心概念：YOSO 不使用神经网络（DNN）直接输出最终相位，而是利用 DNN 数值生成第二幅全息图（ $\tilde{I}_2$ ），该全息图对应于从单幅捕获的全息图（ $I_1$ ）出发的不同离焦距离。
流程：
1. 输入：单幅物理捕获的同轴全息图（ $I_1$ ）。
2. AI 增强：一个多尺度 ResNet（深度神经网络）估计在另一个传播距离（ $z_2$ ）处的第二幅全息图（ $\tilde{I}_2$ ）。
3. 基于物理的重建：将配对数据（ $I_1, \tilde{I}_2$ ）输入标准的 Gerchberg-Saxton (GS) 算法。GS 算法在两个平面之间迭代传播波场，强制执行强度约束，以恢复复数物体波。
4. 输出：物体平面处的最终复数场（振幅和相位）。
关键架构与训练创新：
- 多尺度 ResNet：与 U-Net 不同，该架构在不同空间分辨率上使用并行分支。它支持可变输入尺寸，允许在小图像（例如 $256 \times 256$ ）上进行训练，并直接在完整尺寸的全息图（例如 $2048 \times 2048$ ）上进行推理，无需分块与拼接。
- 计算机生成训练数据：该模型在源自自然图像（来自 Kaggle 的花卉图像）的合成数据上进行训练。网络学习的是在特定距离（ $z_2 - z_1$ ）上执行衍射传播，而不是记忆特定的物体特征，从而确保在多样化样本类型上的强泛化能力。
- 物理一致的填充：DNN 被训练为生成尊重衍射物理的全息图填充。这确保了估计全息图（ $\tilde{I}_2$ ）的填充区域与输入（ $I_1$ ）一致，这是 GS 算法正确运行的关键要求。

3. 主要贡献

混合 AI-物理方法：YOSO 将 AI 的角色从“黑盒相位恢复”转变为“数据增强”。通过仅使用 AI 为鲁棒的 GS 算法生成第二帧，该方法最大限度地减少了“幻觉”，并利用了 GS 方法的物理保证。
高效且可扩展的架构：多尺度 ResNet 实现了在2 小时以内的训练（高端硬件 27 分钟，中端硬件 75 分钟），而之前的 U-Net 方法则需要约 18 小时。它还消除了对分块与拼接处理的需求。
卓越的泛化能力：在多样化自然图像上的训练使模型能够处理各种样本类型（相位物体、吸收物体、厚生物组织），而无需重新训练。
3D 兼容性：由于该方法在离焦平面中运行且不假设单一物体平面，因此它天生兼容3D 物体，并支持后续的数值重聚焦。

4. 实验结果

该框架通过在不同系统（无透镜和基于透镜的 DIHM）和样本上的仿真与实验进行了验证：

仿真：YOSO 有效抑制了孪生像伪影，实现了与使用两幅物理捕获帧的标准 GS 相当的相位重建质量（RMSE = 0.022 rad, SSIM = 0.529）。
相位测试靶：YOSO 成功恢复了定量相位延迟（0.66 rad），并在低频恢复方面优于标准 GS，这可能是由于消除了与物理多高度采集相关的对准误差。
人类颊细胞（无透镜）：
- 展示了可扩展性：在 $256 \times 256$ 图像块上训练的模型成功重建了高保真的完整 $2048 \times 2048$ 全息图。
- 展示了衍射感知填充：AI 生成的填充自然地延伸了 Gabor 条纹，不同于零填充。
小鼠脑切片（厚样本）：成功在近紫外波长（ $\lambda = 0.405 \mu m$ ）下对厚且非稀疏的组织切片进行了成像。它清晰地解析了解剖结构（海马体、皮层等），并将相位与振幅变化分离开来，证明了其在复杂厚生物样本中的适用性。
人类精子（基于透镜，动态）：应用于高速（90 fps）基于透镜的系统。YOSO 成功重建了 3D 悬浮精子细胞，并实现了对失焦细胞的数值重聚焦，展示了其在 4D 追踪和全息层析成像方面的潜力。

5. 意义与影响

速度与简便性：YOSO 能够从单次拍摄中实现高质量、无孪生像的相位成像，使其适用于多帧采集不可能的动态过程和高通量应用。
鲁棒性：通过将 AI 与最终相位输出解耦并依赖 GS 算法，该方法对伪影和对准误差具有更强的鲁棒性。
可及性：使用计算机生成数据和快速训练架构降低了实施先进相位恢复的门槛，无需繁琐的基准真值数据收集。
开源：作者已将软件、训练模型和数据公开，促进了社区在计算成像领域的采用和进一步发展。

总之，YOSO 通过将深度学习的泛化能力与 Gerchberg-Saxton 算法的物理严谨性有效融合，代表了 DIHM 的重大进步，解决了单帧采集中的孪生像问题，同时保持了对 3D 样本和数值后处理的兼容性。