特許ウォッチ

公開番号2025123735
公報種別公開特許公報(A)
公開日2025-08-25
出願番号2024019374
出願日2024-02-13
発明の名称小型光学装置
出願人国立大学法人電気通信大学
代理人
主分類H04N 23/60 20230101AFI20250818BHJP(電気通信技術)
要約【課題】光検出器を用いたイメージングの再構成プロセスにおいて差分検出法を導入することにより,コントラスト比の向上し、さらにSPIを搭載し、深層学習により各種ノイズを抑制する小型光学装置を提供する。
【解決手段】単一画素光検出器を用いたイメージングの再構成プロセスにおいて差分検出法を導入する。これにより、コントラスト比の向上が可能となりより鮮明な再構成像の取得が可能となる。さらに、光学系にSPI(Single-pixel imaging)を搭載するとともに得られた検出データを深層学習によりノイズを抑制させることで画質改善を行う。
【選択図】図1
特許請求の範囲【請求項１】
対象物体からの光信号を複数のレンズ、あるいは鏡等と、少なくとも二つの単一画素光検出器とで構成された光学系で受け、単一画素光検出器からの前記対象物体の光強度を光相関信号として取得し、得られた光相関信号を元に対象物体の画像を再構成する機能を有する小型光学装置において、前記画像の再構成において、少なくとも二つの単一画素光検出器の光強度を使い、その差分検出により画像の再構成を行うことを特徴とした小型光学装置。
続きを表示（約 650 文字）【請求項２】
対象物体からの光信号を複数のレンズ、あるいは鏡等と、少なくとも二つの単一画素光検出器とで構成された光学系で受け、単一画素光検出器からの前記対象物体の光強度を光相関信号として取得し、得られた光相関信号を元に対象物体の画像を再構成する機能を有する小型光学装置において、前記画像の再構成において、画像に含まれる対象物体のノイズ成分を深層学習により除去することを特徴とした小型光学装置。
【請求項３】
前記請求項１及び２記載の小型光学装置において、画像の再構成において差分検出と深層学習の両方を行うことを特徴とした小型光学装置。
【請求項４】
前記請求項２及び３記載の小型光学装置において、画像の再構成において使う深層学習をネットワーク経由で深層学習のデータを取得することを特徴とした小型光学装置。
【請求項５】
前記請求項２及び３記載の小型光学装置において、画像の再構成において使う深層学習を小型光学装置内のメモリー内のデータを使って行うことを特徴とした小型光学装置。
【請求項６】
上記請求項１から５記載の小型光学装置において、光路内にフィルターを配置し、単色光を使って画像の再構成を行うことを特徴とした小型光学装置
【請求項７】
上記請求項６記載の小型光学装置において、光路内に配置したフィルターは、赤、緑、青のフィルターであり、この三つの単色光を使って画像をカラー化することを特徴とした小型光学装置

発明の詳細な説明【発明の詳細な説明】
【０００１】
続きを表示（約 2,200 文字）【技術分野】
【０００２】
本発明は、高精度、高コントラスト、且つ小型化が可能な小型光学装置に係り、光検出器を用いたイメージングの再構成プロセスにおいて差分検出法を導入することにより，コントラスト比の向上し、さらにSPIを搭載し、深層学習により各種ノイズを抑制する小型光学装置に関する。
【背景技術】
【０００３】
シングルピクセルイメージング(Single-pixel imaging: SPI)と呼ばれる単一画素検出器を用いたイメージング技術が注目されている（非特許文献１）。SPIは物体を空間的に分布する符号化パターンでフィルタリングし、フィルタリングされた光強度を光相関信号として取得し、符号化パターンを次々と変化させ、各符号化パターンとの光相関信号を取得していた。原理的には得られた光相関信号を、各パターンが各行列にあたる行列をとすると、対象物体xとの関係はI=HXと表される。これに対して、xの逆行列を解くことで対象物体xの情報が復元可能となっていた。或いは、直交基底行列から生成された符号化パターンを用いることで、逆問題を解析的に解く方法がよく知られていた。SPIは、X線からTHzに渡る広波長域や微弱光でのイメージングが可能であること、2次元撮像素子と比べ耐ノイズ性を有する等の利点があるが、ノイズが多い時のイメージングは、画像精度が劣っていた。この為光相関イメージングを開発し，再構成プロセスにて深層学習を導入することで耐ノイズ性の向上が提案されていた（特許文献１）。またノイズを補正する技術に補償光学がある。補償光学の基本的な構成は波面センサと波面補正素子であり、波面センサによって波面の状態を測定し、測定を基に波面補正素子を制御していた（非特許文献２）。但し、これらのデバイスは非常に高額であり，また暗い環境下では波面の状態の測定が難しいといった欠点があった。
【先行技術文献】
【非特許文献】
【０００４】
Duarte, M. F., Davenport, M. A., Takhar, D., Laska, J. N., Sun, T., Kelly, K. F., & Baraniuk, R. G. (2008). Single-pixel imaging via compressive sampling. IEEE signal processing magazine, 25(2), 83-91.
【０００５】
H. W. John, “Adaptive Optics for Astronomical Telescopes”. New York: Oxford University Press, 1998.
【特許文献】
【０００６】
特開2021-132330
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来技術のSPI(Single-pixel imaging)は微弱な信号に対してはノイズの影響で中々鮮明な画像を得ることは難しかった。また、これらノイズを補正するために補償光学を使い、その基本構成の波面センサと波面補正素子によりノイズ低減する技術はあった。但し、これらのデバイスは非常に高額であり，また暗い環境下では波面の状態の測定が難しいといった課題があった。
【課題を解決するための手段】
【０００８】
前記課題を解決するための手段として、単一画素光検出器を用いたイメージングの再構成プロセスにおいて差分検出法を導入する。これにより，コントラスト比の向上が可能となりより鮮明な再構成像の取得が可能となる。さらに、光学系にSPIを搭載するとともに得られた検出データを深層学習によりノイズを抑制させることで画質改善を行う。
【発明の効果】
【０００９】
本発明による深層学習に基づくSPIシステムは、様々な光学系にSPIを搭載した光相関プロセスと深層学習による再構成プロセスから構成される．光相関プロセスでは、対象物体を光学系でとらえ、その物体像を符号化パターンに照射することで光検出器によって光相関信号を取得する。再構成プロセスでは光相関プロセスで取得した光相関信号の差をとった信号を深層学習に入力する。本手法を用いることで、対象物体のイメージング時に影響を与える様々なノイズ成分による像の劣化を抑制し、高精度な再構成像の取得が期待できる等の効果がある。更に、用いる光学系は高精度に構成する必要が無いので小型、低コスト化が可能となる。
【図面の簡単な説明】
【００１０】
実施例に係る小型光学装置を含む全体システム構成の一例を示す図。
実施例に係る小型光学装置のソフトウェア構成図。
実施例に係る小型光学装置の具体的な手法を示す図。
本発明における深層学習の手法を示す図。
本発明の特許の有効性を実証するための概念図。
本発明の特許の有効性を示す図。
本発明の特許の別の実施例を示す図。
【発明を実施する形態】
（【００１１】以降は省略されています）

関連特許