南京理工大学革新3D成像技术：深度学习助力低成本高速成像

    在科技迅速发展的今天，3D成像技术已成为光学计量和信息领域的重要研究方向。南京理工大学的一个团队最近取得了突破性进展，他们利用深度学习技术，使得传统的低速相机能够实现高分辨率、高速的3D成像。这一成果不仅降低了成本，还提高了空间和时间分辨率，为工业检测、生物医学研究等领域带来了革命性的改变。

    深度学习多路复用FPP(DLMFPP)方法的创新
    南京理工大学的科研团队开发了一种名为深度学习多路复用FPP(DLMFPP)的新型3D成像技术。这项技术通过结合计算成像和深度学习，在空间中编码时间信息，成功克服了低成本相机硬件速度的限制。DLMFPP方法不仅提高了相机的成像速度，还保持了3D图像的像素分辨率和信噪比(SNR)，这是传统低速相机难以实现的。

    技术细节与特点
    DLMFPP技术利用数字微镜器件的高时间分辨率能力和频域复用，将时间信息编码在一个复用条纹图案中。这种方法消除了传感器帧速率对3D成像速度的限制，使得使用传统低速相机的3D帧速率几乎可以提高一个数量级。DLMFPP在其投影策略中使用了具有不同倾斜角度的条纹图案序列，当投影速度超过相机速度时，相机将捕获与条纹图案序列叠加的复用图像。通过使用嵌入了傅里叶变换和集成学习的深度神经网络，DLMFPP能够将图像解码为其原始序列，实现高保真的解耦。

    实验验证与成果
    研究人员通过对瞬态场景的实验演示，验证了DLMFPP的有效性和多功能性。实验表明，DLMFPP可以使用运行频率约为100Hz的低速相机实现高速千赫兹3D成像，而不会影响图像分辨率。这一成果表明，DLMFPP方法能够克服成像探测器硬件的物理限制，使慢速扫描相机能够以高时空分辨率定量研究动态过程。

    DLMFPP技术的压缩成像模式具有低成本、降低带宽和内存要求以及低功耗等多种优势。与传统的计算成像技术不同，DLMFPP不依赖于空间编码器或其他复杂的光学调制硬件，通过使用简单的光路，避免了光子损失，确保了3D成像的高SNR。这项技术几乎可以在任何现成的FPP系统上实现，为高速和超高速3D成像技术的进一步发展开辟了新途径。南京理工大学的这一研究成果，不仅推动了3D成像技术的发展，也为相关领域的研究和应用提供了新的可能性。