Монахова К.З. — сотрудник | ИСТИНА – Интеллектуальная Система Тематического Исследования НАукометрических данных
Монахова К.З. — сотрудник | ИСТИНА – Интеллектуальная Система Тематического Исследования НАукометрических данныхМонахова К.З.
Соавторы: Beshenko M.A., Gritsenko O.T., Багров Д.В., Иванов Д.А., Кечекьян А.С., Клинов Д.В., Куркин Т.С., Михайлик Е.С., Озерин А.Н., Павлова Е.Р., Пирязев А.А., Соколова А.И.
2 статьи
IstinaResearcherID (IRID): 74061566
Деятельность
Статьи в журналах
- 2013
- Кечекьян А.С., Михайлик Е.С., Монахова К.З., Куркин Т.С., Гриценко О.Т., Бешенко М.А., Озерин А.Н.
- в журнале Доклады Академии наук, издательство Наука (М.), том 449, № 3, с. 300-303
- 2013
Кристина Монахова рейтинг РТТ теннисиста
Кристина Монахова — РНИ 42107
Кристина Монахова в Российском теннисном туре выступает за город Санкт-Петербург.
Теннисист играет в турнирах категории до 13 лет.
Текущий рейтинг в РТТ: Kristina Monakhova
Получить код информера
Монахова Кристина (Kristina Monakhova)
12 лет и мол.
- 01.04.2019 1838-оe место. Cоревнований — 1. Из них зачетных 1. Очки: 7
- 01.05.2019 1293-оe место. Cоревнований — 3. Из них зачетных 3. Очки: 26
- 01.06.2019 1141-оe место. Cоревнований — 5. Из них зачетных 5. Очки: 36
- 01.07.2019 1123-оe место. Cоревнований — 6. Из них зачетных 6. Очки: 41
- 01.08.2019 1159-оe место. Cоревнований — 6. Из них зачетных 6. Очки: 41
- 01.09.2019 1121-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.10.2019 1152-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.11.2019 1175-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.12.2019 1109-оe место. Cоревнований — 10. Из них зачетных 8. Очки: 52
- 01.01.2020 701-оe место. Cоревнований — 12. Из них зачетных 9. Очки: 56
- 01.02.2020 654-оe место. Cоревнований — 13.
Из них зачетных 9. Очки: 62 - 01.03.2020 710-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 23.03.2020 748-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 01.11.2020 754-оe место. Cоревнований — 14. Из них зачетных 9. Очки: 65
- 01.12.2020 644-оe место. Cоревнований — 16. Из них зачетных 9. Очки: 79
- 01.01.2021 475-оe место. Cоревнований — 17. Из них зачетных 5. Очки: 54
- 01.02.2021 463-оe место. Cоревнований — 8. Из них зачетных 5. Очки: 59
- 01.03.2021 489-оe место. Cоревнований — 9. Из них зачетных 5. Очки: 59
Из них зачетных 9. Очки: 629-10 лет
- 01.04.2019 585-оe место. Cоревнований — 1. Из них зачетных 1. Очки: 7
- 01.05.2019 376-оe место. Cоревнований — 3. Из них зачетных 3. Очки: 26
- 01.06.2019 326-оe место. Cоревнований — 5. Из них зачетных 5. Очки: 36
- 01.07.2019 325-оe место. Cоревнований — 6. Из них зачетных 6. Очки: 41
- 01.08.2019 359-оe место. Cоревнований — 6. Из них зачетных 6. Очки: 41
- 01.09.2019 349-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.10.2019 370-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.11.2019 386-оe место. Cоревнований — 7. Из них зачетных 7. Очки: 45
- 01.12.2019 354-оe место. Cоревнований — 10. Из них зачетных 8. Очки: 52
16 лет и мол.
- 01.01.2020 1980-оe место. Cоревнований — 12. Из них зачетных 9. Очки: 56
- 01.02.2020 1888-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 62
- 01.03.2020 1935-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 23.03.2020 1971-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 01.11.2020 1951-оe место. Cоревнований — 14. Из них зачетных 9. Очки: 65
- 01.12.2020 1812-оe место. Cоревнований — 16. Из них зачетных 9. Очки: 79
- 01.01.2021 1833-оe место. Cоревнований — 17. Из них зачетных 5. Очки: 54
- 01.02.2021 1795-оe место. Cоревнований — 8. Из них зачетных 5. Очки: 59
- 01.03.2021 1823-оe место. Cоревнований — 9. Из них зачетных 5. Очки: 59
14 лет и мол.
- 01.01.2020 1336-оe место. Cоревнований — 12. Из них зачетных 9. Очки: 56
- 01.02.2020 1263-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 62
- 01.03.2020 1305-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 23.03.2020 1341-оe место. Cоревнований — 13. Из них зачетных 9. Очки: 59
- 01.11.2020 1324-оe место. Cоревнований — 14. Из них зачетных 9. Очки: 65
- 01.12.2020 1208-оe место. Cоревнований — 16. Из них зачетных 9. Очки: 79
- 01.01.2021 1172-оe место. Cоревнований — 17.
Из них зачетных 5.
- 01.02.2021 1146-оe место. Cоревнований — 8. Из них зачетных 5. Очки: 59
- 01.03.2021 1170-оe место. Cоревнований — 9. Из них зачетных 5. Очки: 59
Не распыляйте внимание во время теннисного турнира. Концентрируйтесь на мяче и сопернике, а в перерывах лучше концентрироваться на поверхности корта или даже струнах ракетки, дабы не потерять необходимую сосредоточенность.
Смотрите также: теннисист Аржанкин Антон рейтинг в тенннисе, Виолетта Бородина в теннисной классификации.
Какая разница, как ходит теннисист? Очень большая. Важно выработать в себе уверенность в любой ситуации, и этому способствует упругая, четкая походка. Неудачный мяч или испорченная подача – не дайте знать противнику, что вы волнуетесь. Двигайтесь плавно – и получите глоток драгоценной уверенности в своих силах.
Кристина Монахова, Москва, Россия
Личная информация
Деятельность
скрыта или не указана
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Интересы
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Любимая музыка
скрыта или не указана
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности:
Любимые фильмы
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Любимые телешоу
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Любимые книги
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Любимые игры
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Любимые цитаты
скрыты или не указаны
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
О себе
скрыто или не указано
Можно редактировать: да
Обязательно к заполнению: нет
Можно скрыть настройками приватности: да
Новости | СТД РФ
Дорогие друзья! Рады объявить победителей гранта на поездку и участие во встрече IETM в Тромсё (Норвегия) для жителей Баренц-региона РФ.
Участники отбирались совместно с организатором встречи Dansearena nord.
Поздравляем победителей!
Dryagina Kristina / Дрягина Кристина (г. Архангельск) – продюсер, куратор проектов в Арктическом институте искусств.
Kasparov Vadim / Каспаров Вадим (г. Санкт-Петербург) – основатель и директор фестиваля OPEN LOOK.
Khristolyubskii Oleg / Христолюбский Олег (г. Санкт-Петербург) — режиссер
Kozin Aleksandr / Козин Александр (г. Петрозаводск) – танцор, хореограф, перформер.
Kremenets Alexandra / Кременец Александра (г.Мурманск) – куратор Арт-резиденции «Никель».
Lugovtseva Anastasia / Луговцева Анастасия (г. Москва – г. Санкт-Петербург) – театральный продюсер.
Monakhova Aleksandra / Монахова Александра (г. Петрозаводск) – менеджер проектов Музыкального театра Республики Карелия.
Moshkina Nadezhda / Мошкина Надежда (г. Санкт-Петербург) – актриса в Большом театре кукол, «Таком театре», режиссер.
Parkhomovskaia Nika / Пархомовская Ника (г. Санкт-Петербург) – театральный продюсер.
Pershay Aleksandra / Першай Александра (г. Санкт-Петербург) – сценограф и художник по костюмам.
Romanova Olga / Романова Ольга (г. Москва – г. Санкт-Петербург) – театральный продюсер в области современного танца.
Sapizhak Mariia / Сапижак Мария (г. Санкт-Петербург) – режиссер, перформер.
Tomchik Anna / Томчик Анна (г. Петрозаводск) – руководитель культурных проектов Республики Карелия.
Теги: Международная деятельность, Гранты и стипендии
«Не забудьте взять книгу своему ребёнку»
В эфире радио «Городская волна» (101,4 FM) выступила основательница фонда «Родное слово» Людмила Монахова.
Она рассказала о том, как создавался фонд, как листочки с правилами русского языка развешивают в транспорте и как в метрополитене принимают «экзамен» на знание стихов Пушкина. Полное интервью читайте в материале «Вечерний разговор о жизни замечательных новосибирцев».
Регина Крутоус
09:45, 28 декабря 2018
Справка: Людмила Монахова родилась в Новосибирской области в 1959 году. В 1981 году окончила Новосибирский педагогический институт, после — работала учителем в школах города и области. С 2009 года — основатель и учредитель фонда сохранения и развития русского языка «Родное слово». Является членом общественной палаты Новосибирска. Замужем, двое детей.
«Наша просветительская деятельность — в вагонах метрополитена»
Регина Крутоус: Людмила Аркадьевна, здравствуйте, я очень рада вас видеть!
Людмила Монахова: Здравствуйте, я тоже очень рада! Спасибо за приглашение.
Регина Крутоус: Людмила Аркадьевна, вы — педагог, если не ошибаюсь, преподавали в одной из гимназий Новосибирска. Как так случилось, что вы стали директором фонда «Родное слово»?
Людмила Монахова: Действительно, я стала основателем, единственным учредителем (сегодня это уже невозможно) фонда «Родное слово», когда работала в школе № 70 — это здесь, в Ленинском районе, сегодня гимназия № 16, французская. Идея возникновения фонда появилась в 2007 году — тот год был объявлен президентом России годом русского языка. Именно тогда я обратилась к своим коллегам в школе с тем, чтобы предпринять конкретные шаги по поддержке русского языка и культуры речи.
И тогда мы впервые стали делать наши плакаты — сначала маленькие, для гимназии «Говорите по-русски правильно».
А затем наши плакаты в метро, которые сегодня известны практически каждому новосибирцу и гостю нашего города, потому что из других городов звонят, спрашивают, можно ли тиражировать их.
Когда стало понятно, что проект востребован, он по-настоящему социально значим, я поняла, что нужна более высокая трибуна, более широкие возможности для того, чтобы говорить о проблеме сохранения поддержки русского языка и культуры речи — и вот тогда учредила Новосибирский областной фонд сохранения и развития русского языка, родного слова.
Регина Крутоус: Людмила Аркадьевна, какие проекты действуют сейчас?
Людмила Монахова: В планах фонда ежегодно бывает до семи-восьми больших проектов. Мы ежегодно пишем большую образовательно-просветительскую программу «Духовные родники России», в ней 5-6 проектов и она поддерживается Министерством региональной политики Новосибирской области. И плюс появляются небольшие проекты, в основном направленные на районы области, которые мы в течение года тоже реализуем. Если говорить о долгосрочных проектах, это, конечно, уроки русского, то, о чем я сказала.
Людмила Монахова. Фото: Павел Комаров, nsknews.info
Наша просветительская деятельность — в вагонах метрополитена, работа с родителями дошкольников, это наш проект в «Парке Пушкина», который в этом году прошёл в восьмой раз.
Это наш долгосрочный проект поезд-музей «Новониколаевск — Новосибирск», который мы планировали на три года, но в декабре этого года ему исполнится восемь лет — он по-прежнему любим, популярен, нам это очень приятно. Всегда в нашей программе есть проект, посвящённый успешным речевым практикам, эффективным коммуникациям.
Регина Крутоус: Как появилась идея разместить баннеры в вагонах метро со словами, которые чаще всего произносят с ошибками?
Людмила Монахова: Как я уже сказала, практика показала, что эти небольшие листовки в школе, они были у нас простыми небольшими листочками, где мы с учителями, с коллегами собирали слова с наиболее частотными ошибками.
Мы стали вывешивать их на дверях классов, выкладывать в учительской, затем раздавать родителям перед общешкольными родительскими собраниями — и заметили, что людям это надо, им это интересно и порой просто необходимо.
После этого мы со старшеклассниками проходили по подъездам Ленинского района и опускали в почтовые ящики маленькие плакатики «Говорите по-русски правильно», это тоже было востребовано.
И вот появилась мысль, что, если в отдельно взятой школе, районе это нужно людям, наверное, в масштабах большого города это тоже актуальная проблема и актуальный проект.
Я подумала, где можно разместить, в каком месте. Наверное, это метро, потому что нет непогоды, метро у нас чистое, приятное, мы все его любим. Я отправилась на встречу с начальником метрополитена. Он выслушал меня и сказал, что идея нравится и он готов с удовольствием не только дать бесплатные места, но и какое-то время даже выделять деньги на напечатание этих материалов.
По прошествии времени на одной из лекций ко мне подошёл молодой человек и сказал: «Людмила Аркадьевна, а вот то, что в метро — это делаете вы? — Да, мы. — Я готов финансировать этот проект».
Новосибирцы, которые по-настоящему любят русский язык, готовы участвовать в проектах фонда «Родное слово». Это очень приятно, это та обратная связь, и она подтверждает, что проекты востребованы, их ждут и они действительно нужны.
Регина Крутоус: А поезд-музей, это тоже проект вашего фонда?
Людмила Монахова: Да, это проект фонда «Родное слово», который мы начали теперь уже в далеком 2010 году, когда Новосибирскому метрополитену исполнялось 25 лет. В декабре этого года, 28 декабря, этому проекту будет восемь лет. Он оказался настолько социально значимым и востребованным, что ежегодно мы оформляем в этом поезде три, четыре, пять, а иногда даже шесть новых экспозиций.
Это очень приятно, тем что все они посвящены истории нашего города, нашей области или людям, которые внесли огромный вклад в развитие города и области.
Регина Крутоус: А как возникают темы для выставок, по календарю?
Людмила Монахова: Да, темы возникают — с одной стороны это, конечно, юбилейные даты в жизни учреждений или организаций, когда они ищут меня и говорят: «Людмила Аркадьевна, мы хотели бы выставиться». Не всегда предложения заявителей мы поддерживаем, мы как раз на оргкомитете этого проекта и решаем.
Второе. Есть категории таких выставок, которые никто и никогда не заявит, я выступаю инициатором вместе с Краеведческим музеем, и мы ищем деньги на то, чтобы эту экспозицию сделать. Допустим, в декабре прошлого года была выставка к 140-летию Крячкова, так было со 100-летием Мешалкина, так было со 115-летием Михаила Алексеевича Лаврентьева. И по Покрышкину, и по Кацу — пять или шесть персон было у нас за всё это время, персоны мы очень тщательно отбираем.
Действительно: это должны быть ого-го какие персоны, правда? А что касается юбилеев служб города или области — у ГИБДД был юбилей, у скорой помощи — конечно, мы идём навстречу таким большим организациям. Для нас во всей этой истории, когда я придумывала проект, были важны не здания или инструменты, а люди, потому что город делают люди.
Регина Крутоус: В областной библиотеке проходят лекции для родителей. Кто читает? Приходят слушатели? Какие вопросы задают? Какие темы наиболее востребованы?
Людмила Монахова: Да, этот проект мы называем «Живое слово», в этом году ему восемь лет. Это формат непосредственного общения филолога или психолингвиста с аудиторией, которой это интересно.
В проекте «Живое слово» лекции для взрослых горожан, это лекции по русскому языку, литературоведению, по культуре речи. И отдельный проект для родителей дошкольников, оба проекта востребованы.
Мы записывали эти лекции при поддержке министерства образования раньше, они выкладывались на сайты, но так как количество проектов в городе возрастает, уже камер столько нет, тем не менее, все наши предыдущие лекции выложены на сайте фонда «Родное слово».
Отдельно нужно говорить о проекте по работе с родителями дошкольников. Проект каждый год называется по-разному, он назывался у нас «Всё начиналось с маминой песни», «Почитайте мне книжку, пожалуйста», «Азбука семейного воспитания».
В этом году мы назвали проект «Территория детства», но цель наша очень простая: оказать конкретную помощь родителям дошкольников по привитию сначала интереса, а затем любви к книге и чтению, по развитию речи ребёнка (сегодня это становится проблемой), рассказать, какое место в жизни дошкольника должен занимать компьютер, как много его должно быть — то есть вопросов на этих лекциях всегда очень много, и учебный год планируется.
Когда у фонда есть дополнительные деньги, мы проводим и семинары для родителей дошкольников, делаем плакаты в метро — может, вы видели, уже вышло три серии: «Что читать ребёнку?», «Что делать, если ребёнок не хочет читать?». Сейчас готовим серию плакатов по русскому фольклору для детей и считаем, что этот проект очень нужен, ничего аналогичного мы не встречали, по крайней мере, в России.
Регина Крутоус и Людмила Монахова. Фото: Павел Комаров, nsknews.info
«Главное — эмоции, которые получает ребёнок»
Регина Крутоус: Людмила Аркадьевна, какая, на ваш взгляд, самая актуальная языковая проблема у детей? Давайте возьмём возраст начальной школы — семь-десять лет. Как её решить?
Людмила Монахова: Я думаю, что это проблема скудности речи. Речь детей стала очень ограниченной, скудной, ребята плохо владеют прилагательными, не могут составить описание, рассказ какой-то об увиденном.
Мы всегда на лекциях говорим, что ребёнку необходимо для развития речи (там много слагаемых, которые влияют на богатую, глубокую речь ребёнка, красивую — это речь в семье, в социуме, и что мы читаем). Но главное — эмоции, которые получает ребёнок. А эмоции ребёнку мы можем предоставить тем, куда мы с ним ходим, как мы с ним говорим, что мы ему показываем.
Так вот, родители сегодня, к сожалению, ограничивают выход ребёнка из дома — очень просто сегодня включить мультфильм, какую-то передачу, освободить себя от общения с ребёнком, делать свои дела, а ребёнок смотрит телевизор или что-то в компьютере.
Вот это мелькание и очень простой доступ информации, конечно, для ребёнка предпочтительнее, чем рассматривание картинок, потом описание того, что ребёнок увидел или услышал. Вот всё это обедняет речь ребёнка и не способствует его активному говорению, поэтому психолингвисты говорят, что задержка в речевом развитии детей наблюдается, это совершенно точно. Я думаю, что это одна из проблем, над которой нам нужно постоянно работать.
Регина Крутоус: Сейчас очень многие родители школьников сталкиваются с такой проблемой: ребёнок не хочет читать. Как привить любовь к чтению?
Людмила Монахова: Это большая проблема сегодняшнего времени, и ребёнок в этом не виноват. Я думаю, это проблема социума и наших современных компьютерных и различных технологий, которые у нас сегодня в руках.
Вот это вот клиповое сознание, бесконечное мелькание, смена образов, цвета, музыки — конечно, она привлекательна для ребёнка, она быстро отражается в памяти, и ребёнок не хочет прилагать какие-то усилия для вдумчивого слушания того, что говорит или читает родитель, обсуждение и так далее, поэтому это, действительно, проблема.
На своих лекциях Татьяна Дмитриевна Яковенко, психолингвист, преподаватель педагогического университета, всегда повторяет родителям: «Не старайтесь заставлять ребёнка любить несколько книг, если он любит одну-единственную книгу и просит всё время читать только её, ну и читайте только её».
Мы много лекций посвящали, как подобрать домашнюю детскую библиотеку, как выбирать книгу в библиотеке, как подбирать книгу в книжном магазине, как много значит для детской книжки иллюстрация, потому что иллюстратор — это по-настоящему соавтор хорошего детского писателя.
Каждый раз мы говорим родителям, по словам Маршака, что детский писатель — это высшая категория писателя. Писать для ребёнка может не каждый, а только самый лучший, творческий писатель, и это действительно так, потому что детская книжка должна увлечь, она должна стать любимой, и иллюстрация должна быть такая, что ребёнок, глядя на неё, хотел бы вспомнить всё, что он услышал.
Это очень важно, поэтому на лекциях мы постоянно говорим и отвечаем на вопросы родителей: как вести себя в книжном магазине, как вести себя в библиотеке, конечно, говорим о том, что не ждите от своего ребёнка прекрасного читателя, любящего книгу, если в вашей семье книга не живёт, и ребенок не видит вас, читающего книгу. Я работаю в областной научной библиотеке, и у нас и в зале художественной литературы, и в центре русского языка, который я возглавляю, есть полки детских книг, поэтому и родителям, когда к нам приходят, и всем категориям читателей мы обязательно говорим: «Не забудьте взять что-нибудь своему ребёнку».
Людмила Монахова. Фото: Павел Комаров, nsknews.info
Регина Крутоус: А что самое главное в воспитании детей, на ваш взгляд? Кроме любви.
Людмила Монахова: Личный пример. Нельзя ждать от ребёнка каких-то невероятных поступков, решений, если он это не видит у себя в семье — это же понятно.
Регина Крутоус: Сейчас на формирование языковой личности огромное влияние оказывает интернет. Как вы оцениваете это влияние?
Людмила Монахова: Когда фонд «Родное слово» начинал свои проекты, это было в 2007 году, мы везде говорили о том, что сегодня мы формируем языковую личность XXI века.
Сегодня 2018-й год, и те ребята, которые родились в 2000-х годах, уже вышли из школы, мы отправили их в свободное плавание — и эту личность мы уже сформировали, и вот то, что получилось, мы видим и слышим. Несомненно, большое влияние здесь, одно из самых больших (я считаю) значений имеет социум — то, что вокруг.
Мы однажды проводили мониторинги того, насколько интересна, разнообразна и богата речь детей в школе и вне школы, и филологи отмечают, что ребята, выходя за пределы школы, меняют свою устную речь, она автоматически становится насыщенной разговорной речью, сленгом и так далее, это ни для кого не секрет. Если на уроках при ответах они стараются пользоваться литературным языком, то вне школы другая языковая личность, поэтому социум и деятельность фонда как раз направлена на то, чтобы способствовать формированию комфортной языковой среды на территории Новосибирской области. Потому что мы считаем, что комфортная языковая среда у нас в городе и области способствует формированию вообще комфортной среды, проживанию и обитанию людей у нас в регионе.
А это сделает область и город привлекательным, не будет способствовать тому, чтобы люди уезжали отсюда работать в другом месте или учиться, поэтому языковая среда — очень важная часть культуры, взаимоотношения людей, именно поэтому мы так много внимания уделяем тому, что мы делаем.
Регина Крутоус: А вы пользуетесь социальными сетями?
Людмила Монахова: Нет, не пользуюсь. У нас есть сайт фонда «Родное слово», есть страничка и во «В Контакте», и в инстаграме — но это ведут наши молодые помощники, потому что по уставу в фонде нет ни одного члена, ни одной оплачиваемой единицы.
Всё, что мы делаем — делаем силами филологического сообщества, начиная от студента и заканчивая докторами филологических наук, и силами просто новосибирцев, любителей русского языка.
«Некоторые нас проверяют и начинают читать Лермонтова»
Регина Крутоус: Людмила Аркадьевна, 6 июня прошёл Пушкинский день.
В какой раз?
Людмила Монахова: Вообще, Пушкинский день России мы отметили в восьмой раз. Первый праздник «Прекрасный наш язык» был в филармонии в 2010 году, значит, праздник был уже девятый, но такую большую программу на открытом воздухе мы делали в этом году в восьмой раз. А в районах области в седьмой раз.
Начинали с одного парка Пушкина в Первомайском сквере — перед городским фонтаном читали Евгения Онегина в 2012 году, с которого у нас официально Пушкинский день России начался, это День русского языка России.
Регина Крутоус и Людмила Монахова. Фото: Павел Комаров, nsknews.info
Мы решили, что коль всё названо своими именами, значит, должен быть очень большой проект. И вот с одного парка Пушкина в 2012 году мы пришли к 250-ти в этом году. Практически во всех районах Новосибирской области, кроме пяти, и во всех районах города Новосибирска, в некоторых районах по два-три парка даже было, всего в городе было 26 парков Пушкина.
За это огромная благодарность Анне Васильевне Терешковой, которая помогала мобилизовать, помогала просто делать парки в городе, и материально в том числе. И большое спасибо Игорю Николаевичу Решетникову, с которым мы проводили большое онлайн-совещание с районами области и призывали всех присоединиться к проекту.
Когда мы увидели 250 парков, начиная от маленьких деревень и заканчивая Бердском, Искитимом, Кольцово, где с 11 утра и до 9 вечера люди читали Пушкина, дети, взрослые, было тестирование по русскому языку и разные интерактивные площадки, кто что придумал, мы не ограничиваем. Мы подводили итоги и Игорем Николаевичем, и он сказал, что пять районов не приняли участие, но мы будем над этим работать. Я уверена, что мы сработаем дальше.
Регина Крутоус: В этот день парках звучат стихи великого поэта, в метро — бесплатный проезд для пассажиров, прочитавших одно из стихотворений наизусть.
Много горожан ездит в этот день в подземке бесплатно? Есть такая статистика?
Людмила Монахова: Да, более трех тысяч. Физически очень тяжело сделать это на весь день. Мы начинаем в десять и заканчиваем в три. За это время около 80-ти учителей русского языка и литературы, библиотекарей, преподавателей вузов работают у нас в качестве экспертов.
Каждые два часа мы людей меняем, это довольно сложно, потому что «У Лукоморья дуб зелёный», мы знаем, что будут читать, поэтому меняемся. Но настроение у людей в этот день прекрасное. Пушкина читают и на земле, и под землёй, большое количество старшеклассников и студентов, которые приглашают людей поучаствовать в акции. В 2015 году фонд за организацию этой акции стал победителем фестиваля «Содействие» в номинации «Доступное образование». Мы заняли первое место по России в этом фестивале, который организует Общественная палата РФ.
Поэтому мы гордимся этим проектом и большая благодарность Новосибирскому метрополитену, потому что для работников метро это обременительно, в этот день такой поток идёт, люди останавливаются, читают.
Некоторых мы не можем остановить: они любят Пушкина и хотят всего «Евгения Онегина» прочитать; некоторые нас проверяют и начинают читать Лермонтова или что-то другое — и лукаво смотрят.
Разные бывают ситуации, иностранцы читают, читают студенты и говорят: «Сфотографируйте меня. Преподаватель сказал, если я принесу фото, что я читал Пушкина или видео, мне поставят зачёт». У всех хорошее настроение и все говорим о Пушкине в этот день, это прекрасно.
«Вижу, что человек несёт торт — и всегда радуюсь»
Регина Крутоус: У вас есть любимое место в Новосибирске? Какое? Почему вы любите здесь бывать?
Людмила Монахова: Как ни странно, моё любимое место — здесь, в Ленинском районе, тот дом, в который меня привезли родители.
Вообще они были целинники, родилась я на целине, как принято было говорить. В девять месяцев они приехали в Новосибирск, поступили работать на Сибсельмаш, и на улице Петропавловской папе дали комнату в старом доме.
Этот дом давно снесён, там построены новые пятиэтажные дома, но под окном нашего дома был тополь, такой раздвоенный, под него я прятала «секретики». И вы знаете, я как-то недавно ходила туда — и этот тополь стоит. Там какая-то зелёная зона — люблю это место.
Там рядом 175-я школа, она при мне открывалась, я пошла туда в первый класс. Затем, когда погиб Юрий Алексеевич Гагарин, нас выстраивали всех школьников на линейку перед этой школой и рассказывали об этой трагедии, которая произошла, и о том, что школа будет бороться за то, чтобы пионерской дружине было присвоено имя Юрия Алексеевича Гагарина. Это было для меня очень важно, я это до сих пор помню. Поэтому — это место, я там всё-всё знаю, хотя всё перестроено. Многое связано с этим местом.
Людмила Монахова. Фото: Павел Комаров, nsknews.info
Регина Крутоус: Людмила Аркадьевна, кто входит в вашу семью?
Людмила Монахова: У меня большая семья. Мой муж, это мой очень надёжный тыл, моя поддержка и опора. Две замечательные дочери, одна из которых финансист, а вторая музыковед, и два замечательных зятя, которым я очень радуюсь. В моей семье появился главный человек — это внучка Василиса, общение с которой превосходит все ожидания радости.
Регина Крутоус: А какая вы бабушка?
Людмила Монахова: Я стараюсь быть хорошей бабушкой. Она очень ждёт меня, когда я приду с работы, огорчается, если я говорю утром, что мне нужно идти на работу, и я ей говорю: «Бабушка — твоя подружка». Для меня это вот самая высокая оценка.
Регина Крутоус: Любите готовить? Какое блюдо в вашем исполнении особенно популярно среди ваших домашних?
Людмила Монахова: Готовить люблю, да.
Домашние говорят, что им нравится всё, что я готовлю. Не знаю… Люблю готовить мясо. Вообще люблю, когда семья собирается за одним большим столом. Я всегда радуюсь тому, что любая семья собирается вместе.
Я как-то в одном из интервью, по-моему, к юбилею города, говорила, что иду домой, вижу, что человек несёт торт или апельсины, или цветы — и всегда радуюсь, что люди соберутся вместе, будут радоваться друг другу, говорить хорошие слова. Это самое важное, то, для чего мы живём, поэтому и в моей семье. Сейчас вот, к сожалению, моя старшая дочь вместе с зятем в другом городе, поэтому огромное счастье, когда мы все собираемся вместе.
Регина Крутоус: Вы успешный человек. Есть такой социальный миф: женщине труднее добиться успеха, чем мужчине. На женщине — дом, дети, муж, работа. Мужчине проще сосредоточиться на карьере. И зачастую многие женщины даже не пытаются быть успешными или не верят в свои силы. Что вы можете посоветовать тем девушкам, женщинам, кто хочет добиться успеха, начать свое дело?
Людмила Монахова: Мой совет будет очень простой: надо перед собой ставить огромные цели и стрелять — не промахнётесь.
Людмила Монахова. Фото: Павел Комаров, nsknews.info
Блиц-опрос
— Что вы считаете своим долгом?
— Я считаю своим долгом верность, избранной мною ещё в юности профессии, педагогической.
— Кто повлиял на вас больше всего?
— Я думаю, что на меня и в выборе профессии, и в формировании многих моих личностных качеств повлияла моя учительница русского языка и литературы, Раиса Никитична Мирнова.
— Что нужно воспитывать в себе?
— Выдержку, прежде всего.
— Как нужно смотреть в будущее?
— Всегда с оптимизмом, всё будет хорошо.
— На что вам не хватает смелости?
— Может быть, иногда сказать подлецу, что он подлец.
— Что вас может вывести из себя?
— Ложь. Когда человек лжёт.
— За что вы благодарны судьбе?
— За возможность жить. Каждый день видеть рассвет, солнце, небо — любое, пасмурное или голубое.
— Когда полезно мечтать?
— Всегда надо мечтать.
— Какое бы желание вы загадали золотой рыбке?
— Чтобы все были здоровы, а всё остальное будет. Здоровья всем.
— К кому приходит успех?
— К тому, кто идёт вперёд.
— Три главных качества, которыми должны обладать герои нашего времени?
— Уверенность в себе, любовь и уважение к людям, компетентность в том, чем ты занимаешься.
#Городская волна #Город в лицах #Интервью #Книги #Культура #Замечательные новосибирцы
Кристина Монахова
Кристина Монахова Здравствуйте! Я соискатель степени доктора философии EECS в Калифорнийском университете в Беркли, которую консультирует Лаура Уоллер.
Меня интересует компьютерная визуализация, которая представляет собой совместный дизайн оборудования и алгоритмов визуализации. Моя работа связана с обработкой сигналов,
оптика, оптимизация и машинное обучение.
Я закончил бакалавриат. получил степень бакалавра электротехники в Государственном университете Нью-Йорка в Буффало в мае 2016 года. В Buffalo я участвовал в миссии по наноспутнику и в нескольких других исследовательских проектах, связанных с космосом, о которых вы можете прочитать больше на моем старом веб-сайте здесь.
Исследования
Spectral DiffuserCam: гиперспектральная визуализация снимков без линз
К. Монхова *, К. Янны *, Н. Аггарвал, Л. Уоллер
Страница проекта /
Видео /
Код /
Бумага (Optica)
В данной работе мы предлагаем новую, компактную и недорогую вычислительную камеру для построения гиперспектральных снимков . Наша система состоит из повторяющейся матрицы спектральных фильтров, размещенных непосредственно на датчике изображения, и диффузора, размещенного рядом с датчиком.Каждая точка в мире отображается на уникальный псевдослучайный образец на массиве спектральных фильтров, который кодирует мультиплексированную пространственно-спектральную информацию. Затем решатель обратной задачи с ограничением разреженности восстанавливает гиперспектральный объем с хорошим пространственно-спектральным разрешением. Используя массив спектральных фильтров, наша структура гиперспектрального изображения является гибкой и может быть разработана с непрерывными или несмежными спектральными фильтрами, которые могут быть выбраны для данного приложения.
Miniscope3D: оптимизированная однократная миниатюрная 3D-флуоресцентная микроскопия
К.Янни, Н. Антипа, В. Либерти, С. Дехаек, К. Монахова , Ф. Л. Лю, К. Шен, Р. Нг, Л. Уоллер Страница проекта
/ документ (Nature LS&A)
В этой работе мы заменяем линзу тубуса минископа на сконструированный
и оптимизированный диффузор, напечатанный на 3D-принтере Nanoscribe. Полученный имидж-сканер
недорогой, крошечный (размером с четверть) и может захватывать трехмерных флуоресцентных объемов из одного изображения с результирующим поперечным разрешением 3 микрона
и осевое разрешение 10 микрон при скорости видеосигнала без движущихся частей.
Посмотрите другие наши 3D-видео с видео о водяных медведях.
здесь.
Обучение работе с изображениями без линз
К. Монахова , Ю. Юрцевер, Г. Куо, Н. Антипа, К. Янны, Л. Уоллер
Страница проекта /
Бумага (Optics Express)
Безлинзовые формирователи изображения на основе маски, такие как DiffuserCam, могут быть небольшими, компактными и позволять снимать изображения с более высокой размерностью. информации (трехмерной, временной), но время восстановления медленное и качество изображения часто ухудшается.В этой работе мы показываем, что можем использовать знание физики оптических систем вместе с глубоким обучением для формирования развернутого сеть на основе модели для решения проблемы реконструкции, тем самым используя физику + Deep Learning вместе для ускорения и улучшения реконструкции изображений. По сравнению с традиционными методами наша архитектура обеспечивает лучшее восприятие. качество изображения и работает в 20 раз быстрее, обеспечивая интерактивный предварительный просмотр сцены.
Стаж работы
- Лаборатория интеллектуальных систем Intel, весна 2021 г.
- Лаборатория Линкольна Массачусетского технологического института, лето 2016 г.
- Northrop Grumman Electronic Systems, зима 2016 г.
- Northrop Grumman Aerospace Systems, лето 2015 г.
- Институт робототехники Карнеги-Меллона, лето 2014 г.
- NASA Marshall Robotics Academy, лето 2013 г.
Награды и признание
- Награда выпускников кафедр EECS Калифорнийского университета в Беркли, 2020 г.
- Научно-исследовательская стипендия NSF, 2016 г.
- Стипендия для аспирантов NDSEG, 2016 г. (отклонено)
- Барри М.Стипендия Голдуотера, 2015
- Президентский стипендиат Университета Буффало, стипендия на 4 года
2020 |
Кироллос Янни; Ник Антипа; Уильям Либерти; Сэм Дехаек; Кристина Монахова; Фанглин Линда Лю; Конлин Шен; Ren Ng; Лаура Уоллер Miniscope3D: оптимизированная однократная миниатюрная 3D-флуоресцентная микроскопия Статья в журнале Light: Science & Applications, 9 (171), 2020. Аннотация | Ссылки | BibTeX @article {yanny2020, Миниатюрные флуоресцентные микроскопы — стандартный инструмент в системной биологии. Однако миниатюрные широкоугольные микроскопы собирают только 2D-информацию, а модификации, позволяющие использовать 3D-возможности, увеличивают размер и вес и имеют низкое разрешение за пределами узкого диапазона глубин. Здесь мы достигаем возможности 3D, заменяя тубус обычного мини-микроскопа 2D на оптимизированную мультифокальную фазовую маску на диафрагме объектива.Размещение фазовой маски на диафрагме значительно уменьшает размер устройства, а изменение фокусных расстояний обеспечивает равномерное разрешение в широком диапазоне глубин. Фазовая маска кодирует интенсивность трехмерной флуоресценции в одно двумерное измерение, а трехмерный объем восстанавливается путем решения обратной задачи с ограничением разреженности. Мы предлагаем методы проектирования и изготовления фазовой маски, а также эффективную прямую модель, которая учитывает изменяющиеся в поле аберрации в миниатюрных объективах.Мы демонстрируем прототип высотой 17 мм и весом 2,5 грамма, с боковым разрешением 2,76 мкм и осевым разрешением 15 мкм на большей части объема 900 × 700 × 390 мкм при 40 объемах в секунду. Эффективность подтверждена экспериментально на целевых параметрах разрешения, динамических биологических образцах и ткани мозга мышей. По сравнению с существующими миниатюрными реализациями однократного объемного захвата, наша система меньше и легче, а также обеспечивает более чем в 2 раза лучшее поперечное и осевое разрешение в 10-кратном большем диапазоне используемых глубин. |
Кристина Монахова; Кироллос Янни; Нирджа Аггарвал; Лаура Уоллер Spectral DiffuserCam: безлинзовая гиперспектральная визуализация снимков с помощью матрицы спектральных фильтров Статья журнала Optica, 7 (10), стр.1298–1307, 2020. Аннотация | Ссылки | BibTeX @article {Монахова: 20б, Гиперспектральная визуализация полезна для различных приложений, от медицинской диагностики до мониторинга сельскохозяйственных культур; однако традиционные сканирующие гиперспектральные формирователи изображений чрезмерно медленны и дороги для широкого применения.Существуют методы создания снимков, но они часто ограничиваются громоздкими настольными установками или имеют низкое пространственно-спектральное разрешение. В этой статье мы предлагаем новую, компактную и недорогую вычислительную камеру для получения гиперспектральных изображений моментальных снимков. Наша система состоит из мозаичного массива спектральных фильтров, размещенных непосредственно на датчике изображения, и диффузора, размещенного рядом с датчиком. Каждая точка в мире отображается на уникальный псевдослучайный образец на массиве спектральных фильтров, который кодирует мультиплексированную пространственно-спектральную информацию.Решая обратную задачу с ограничением разреженности, мы восстанавливаем гиперспектральный объем с субсуперпиксельным разрешением. Наша структура гиперспектральных изображений является гибкой и может быть разработана с использованием непрерывных или несмежных спектральных фильтров, которые можно выбрать для данного приложения. Мы предлагаем теорию для проектирования системы, демонстрируем прототип устройства и представляем экспериментальные результаты с высоким пространственно-спектральным разрешением. |
Грейс Куо; Кристина Монахова; Кироллос Янни; Ren Ng; Лаура Уоллер Пространственно-изменяющаяся калибровка микроскопа на основе неструктурированных разреженных входных данных Inproceedings Imaging and Applied Optics Congress, стр.CF4C.4, Оптическое общество Америки, 2020. Аннотация | Ссылки | BibTeX @inproceedings {Kuo: 20, Мы предлагаем метод, основанный на слепой деконволюции, для калибровки пространственно-изменяющихся функций рассеяния точки системы микроскопа с кодированной апертурой.Из простых измерений неструктурированных флуоресцентных шариков мы получили пространственно изменяющуюся прямую модель, которая превосходит предыдущие подходы. |
Эллин Чжао; Николас Дешлер; Кристина Монахова; Лаура Уоллер Многосенсорная визуализация без линз: синтетическое широкоформатное зондирование с непересекающейся матрицей сенсоров Inproceedings Конгресс по визуализации и прикладной оптике, стр. Резюме | Ссылки | BibTeX @inproceedings {Чжао: 20, Мы демонстрируем массив камер на основе безобъективного рассеивателя для получения изображений с большим полем обзора. Изображения захватываются с нескольких непересекающихся датчиков, а синтетическая широкоформатная область зондирования восстанавливается путем решения обратной задачи сжимающего зондирования. |
Кристина Монахова; Кироллос Янни; Лаура Уоллер Создание гиперспектральных изображений моментальных снимков с использованием случайной фазовой маски и массива спектральных фильтров Inproceedings Imaging and Applied Optics Congress, стр.JF2F.4, Оптическое общество Америки, 2020. Аннотация | Ссылки | BibTeX @inproceedings {Монахова: 20, Мы представляем гиперспектральный имидж-сканер моментальных снимков, который использует случайную фазовую маску, повторяющуюся матрицу спектральных фильтров и сжатое восстановление для достижения высокого пространственного и спектрального разрешения при малом форм-факторе. |
Кироллос Янни; Ник Антипа; Уильям Либерти; Сэм Дехаек; Кристина Монахова; Фанглин Линда Лю; Конлин Шен; Ren Ng; Лаура Уоллер 3D флуоресцентная микроскопия со сжатым зондированием с использованием оптимизированной фазовой маски Inproceedings Конгресс по визуализации и прикладной оптике, стр. CW4B.5, Оптическое общество Америки, 2020. Резюме | Ссылки | BibTeX @inproceedings {Янни: 20, Мы демонстрируем однократный миниатюрный трехмерный вычислительный микроскоп с оптимизированным фазовым кодировщиком. В нашем методе используется реконструкция на основе разреженности для достижения разрешения 2,76 м по горизонтали и 15 нм по оси для большей части объема 900 x 700 x 390 нм3. |
2019 |
Кристина Монахова; Джошуа Юрцевер; Грейс Куо; Ник Антипа; Кироллос Янни; Лаура Уоллер Выученные реконструкции для практической безлинзовой визуализации на основе масок Журнал Статья Optics express, 27 (20), стр.28075–28090, 2019. Ссылки | BibTeX @article {monakhova2019learned, |
Кристина Монахова; Джошуа Юрцевер; Грейс Куо; Ник Антипа; Кироллос Янни; Лаура Уоллер Развернутые сети на основе моделей для безлинзовой визуализации Журнал Статья 2019. Ссылки | BibTeX @article {monakhova2019unrolled, |
Кристина Монахова; Ник Антипа; Лаура Уоллер Обучение формированию изображений на основе масок без линз Inproceedings Computational Optical Sensing and Imaging, стр.CTu3A – 2, Оптическое общество Америки, 2019 г. Ссылки | BibTeX @inproceedings {monakhova2019learning, |
Наша конструкция микроскопа обеспечивает получение трехмерных изображений за один снимок для приложений, где важна компактная платформа, таких как объемная нейронная визуализация свободно движущихся животных и трехмерные исследования движения динамических образцов в инкубаторах и устройствах «лаборатория на кристалле».}, 
Наша конструкция микроскопа обеспечивает получение трехмерных изображений за один снимок для приложений, где важна компактная платформа, таких как объемная нейронная визуализация свободно движущихся животных и трехмерные исследования движения динамических образцов в инкубаторах и устройствах «лаборатория на кристалле».
Решая обратную задачу с ограничением разреженности, мы восстанавливаем гиперспектральный объем с субсуперпиксельным разрешением. Наша структура гиперспектральных изображений является гибкой и может быть разработана с использованием непрерывных или несмежных спектральных фильтров, которые можно выбрать для данного приложения. Мы предлагаем теорию для проектирования системы, демонстрируем прототип устройства и представляем экспериментальные результаты с высоким пространственно-спектральным разрешением.}, 
CF2C.6, Оптическое общество Америки, 2020.
osapublishing.org/abstract.cfm?URI=COSI-2020-JF2F.4}, 
5}, 
Лаборатория — Владлен Колтун
Стэнфордский университет
Аспиранты и постдоки:
Цифэн Чен, доктор философии, 2017 г.
Диссертация: Эффективная оптимизация
через приближение
Следующая должность: научный сотрудник
в Intel Labs
Сонджун Чой, доктор философии, 2015
Диссертация: 3D-реконструкция
в дикой природе
Следующая позиция: Google
Вибхав Винит, постдок, 2014-2015
Следующая должность: научный сотрудник
в Intel Labs
Цянь-И Чжоу, постдок, 2012-2015
Следующая должность: научный сотрудник
в Intel Labs
Филипп Крехенбюль, доктор философии, 2014 г.
Диссертация: Плотные случайные поля
Следующая должность: докторант
в Калифорнийском университете в Беркли
Сергей Левин, доктор философии, 2014 г.
Диссертация: Изучение двигательных навыков
с помощью методов локальной траектории
Следующая должность: Постдок
в Калифорнийском университете в Беркли
Джек Ван, постдок,
2010-2013
Следующая должность: доцент
в Университете Гонконга
Мартин Бокело, постдок, 2011-2013 гг.
Следующая должность: Google
Вангелис Калогеракис, постдок,
2010-2012
Следующая должность: доцент
Массачусетского университета
в Амхерсте
Сиддхартха Чаудхури, доктор философии, 2011 г.
Диссертация: 3D моделирование
с предложениями на основе данных
Следующая должность: постдок
в Принстоне
Пол Меррелл, постдок, 2009-2011
Следующая должность: Google
Студенты магистратуры и бакалавриата:
Тао Ду, MS, 2015.
Следующая должность: аспирант Массачусетского технологического института
Наран Баянбат, MS, 2013
Следующая позиция: Quora
Дмитрий Брежнев, BS, 2013
Следующая должность: Магистр Стэнфорда
Thomas J. McLaughlin, MS, 2013.
Следующая должность: аспирант CMU
Taesung Park, MS, 2013
Следующая позиция: NCSoft
Джесси Рудер, BS, 2012
Следующая позиция: Clinkle
Оливер Кастанеда, BS, 2012
Следующая позиция: Clinkle
Стив Лессер, MS, 2012
Следующая позиция: Weta Digital
Bo Xian See, MS, 2012
Следующая позиция: Electronic Arts
Alexis Haraux, MS, 2012
Следующая позиция: Bungie
Zeyang (Linus) Li, MS, 2012
Следующая должность: ShortTail Lab
Бен Голдсмит, BS, 2012
Следующая позиция: Google
Jiahui (Ariel) Shi, MS, 2011
Следующая должность: Chopper Trading
Джаред Дюк, MS, 2011
Следующая позиция: NVIDIA
Yu Lou, MS, 2011
Следующая позиция: A9
Рахул Агарвал, BS и MS, 2011
Следующая должность: Numenta
Ming Jiang, MS, 2010
Следующая позиция: Google
Сергей Левин, бакалавр и магистр, 2009 г.
Следующая должность: аспирант
в Стэнфорде
Дэниел Гибсон, BS и MS, 2009
Следующая позиция: Facebook
ТонгКе Сюэ, BS, 2008
Следующая должность: аспирант
в Стэнфорде
Miniscope3D: оптимизированная однократная миниатюрная трехмерная флуоресцентная микроскопия
Теория системы
Miniscope3D кодирует объемную информацию через тонкую фазовую маску, помещенную на диафрагму линзы объектива с градиентным индексом (GRIN) (см.рис.1). Целью нашей разработки является оптимизация оптики микроскопа для восприятия сжатых изображений, что позволяет захватывать большое количество вокселей из небольшого количества пикселей сенсора. Чтобы добиться этого, фазовая маска содержит спроектированный узор из мультифокальных микролинз, разработанный таким образом, что каждый точечный источник флуоресценции в сцене создает уникальный высокочастотный узор из фокальных пятен на плоскости датчика, таким образом кодируя его трехмерное положение. Структура и пространственные частоты, присутствующие в этом шаблоне, называемые функцией рассеяния точки (PSF), определяют наше разрешение реконструкции в этой позиции; теория этих пределов представлена в разделе «Боковое разрешение» ниже.
На рисунке 4 показано, как наша PSF изменяется в зависимости от бокового и осевого положения точечного источника в пространстве объектов. Когда точечный источник перемещается в сторону, PSF перемещается (рис. 4b). В идеализированном микроскопе с фазовой маской в пространстве Фурье система была бы инвариантом сдвига 21,22 ; однако из-за аберраций, присущих линзе GRIN, рисунок также немного меняет структуру при смещении. По мере того, как точечный источник перемещается в осевом направлении, общая PSF меняет размер, и различные пятна попадают в фокус (рис.4а), потому что мы используем различные фокусные расстояния микролинз в нашей фазовой маске. Как обсуждалось в разделе «Мультифокальный дизайн», это гарантирует, что все PSF в широком диапазоне глубин содержат резкие фокальные пятна, в отличие от унифокальных микролинз.
2 + \ tau \ left \ | {{\ mathrm {{\ Psi}}} {\ mathbf {v}}} \ right \ | _1 $$
(1)
, где Ψ — разрежающее преобразование (например,g., 3D-градиент, соответствующий регуляризации ТВ) и τ — параметр настройки.
Уравнение (1) может быть решено с использованием множества итерационных методов; мы используем быстрый итеративный алгоритм усадки-порога (FISTA) 27 . Для этого необходимо многократно нанести A и прилегающий к нему. Чтобы сделать это выполнимым с вычислительной точки зрения для систем с высоким мегавокселом, таких как наша, нам нужно эффективное представление для A . Прямая модель с инвариантным сдвигом чрезвычайно эффективна с вычислительной точки зрения, поскольку A становится сверточной матрицей 12,28,29 .Также требуется только одно калибровочное изображение PSF, из которого можно сделать вывод о PSF во всех других положениях. К сожалению, миниатюрные интегрированные системы, такие как наша, не инвариантны к сдвигу из-за внеосевых аберраций, присущих компактным объективам. Чтобы учесть это, в следующих разделах мы разрабатываем прямую модель с переменным полем и практическую схему калибровки, которая учитывает аберрации с минимальными дополнительными вычислительными затратами.
Передняя модель с переменным полем
Поскольку аберрации в линзе GRIN минископа делают модель, инвариантную к сдвигу, недействительной, нам необходимо как измерить, так и смоделировать, как PSF изменяется в пределах поля зрения.Явное измерение PSF в каждой позиции в объеме невозможно, как с точки зрения объема данных калибровки, так и с точки зрения вычислительной нагрузки на реконструкцию. В этом также нет необходимости, поскольку структура PSF медленно изменяется в пределах поля зрения. Вместо этого наша схема калибровки делает выборку PSF редко по всему полю и использует модель взвешенной свертки для оценки PSF в других положениях 30 . Мы фиксируем 64 измерения PSF на каждой глубине, а затем используем их для прогнозирования полного набора из более чем 300 000 PSF.
Таким образом, наша прямая модель требует только вычисления ограниченного числа сверток (обычно 10–20) и обеспечивает в 2,2 раза лучшее разрешение и лучшее качество, чем у модели, инвариантной к сдвигу (см. Рис. 4c).
Наша прямая модель с переменным полем аппроксимирует A , используя взвешенную сумму ядер, инвариантных относительно сдвига (свертки). Мы обрабатываем объемную интенсивность как трехмерную сетку вокселей, обозначенную как v [ x , y , z ]. Воксель в местоположении [ x , y , z ] создает PSF на датчике, h [ u , v ; x , y, z ], где [ u , v ] индексирует строки и столбцы датчиков.Для упрощения записи мы предполагаем, что система имеет увеличение M = 1, и применяем соответствующее масштабирование к решению после восстановления трехмерного изображения. Мы также предполагаем, что v имеет конечную осевую и боковую поддержку. Если рассматривать вокселы как несовместимые друг с другом, измерение становится линейной комбинацией PSF:
$$ \ begin {array} {c} {\ mathbf {b}} [u, v] = \ mathop {\ sum} \ limits_z {\ mathop {\ sum} \ limits_ {x, y} {\ mathbf {v}}} [x, y; z] {\ mathbf {h}} [u, v; x, y, z] \\ = А {\ mathbf {v}} \ end {array} $$
(2)
, где границы сумм неявно содержат выборку.Чтобы уловить поведение изменения поля, мы стремимся смоделировать PSF из каждого воксела как взвешенную сумму K инвариантных к сдвигу ядер 30 . Ядра, г r [ u , v ; z ] и веса, w r [ x , y , z ], которые описаны ниже, должны быть выбраны для точного представления всех PSF с минимально возможным K . Математически прямую модель можно записать как:
$$ {\ mathbf {h}} [u, v; x, y, z] = {\ mathrm {{\ Lambda}}} [u, v] \ mathop {\ sum} \ limits_ {r = 1} ^ K {{\ mathbf {w}} _ r} [x, y, z] {\ mathbf {g}} _ r [u — x, v — y; z] $ $
(3)
, где Λ [ u , v ] — это индикаторная функция, которая выбирает только значения, которые попадают в сетку пикселей датчика.
K {{\ mathbf {w}} _ r} [x, y, z] {\ mathbf {g}} _ r [u, v] $$
(4)
, где [ x , y ] — пространственная координата главного луча на датчике.Мы предполагаем, что процедура калибровки захватит N PSF по всему полю, { h [ u , v ; x i , y i , z ]} i = 1… N , для каждой глубины z . Мы оцениваем координату главного луча [ x , y ] внеосевых PSF путем взаимной корреляции каждого с осевым PSF. Затем внеосевые измерения сдвигаются по оси, векторизуются и объединяются в зарегистрированную матрицу PSF, обозначенную как H .{K \ times N} \) для датчика с M p пикселей. Оптимальное решение для ранга K может быть найдено путем вычисления K наибольших значений разложения по сингулярным числам H . Столбец r левой матрицы сингулярных векторов \ (\ hat G \) содержит ядро g r [ x , y ; z ] в векторизованном виде. Точно так же объединение сингулярных значений с правой матрицей сингулярных векторов дает \ (\ hat W \), из которых строка r -я содержит оптимальные веса w r [ x i , y i , z ] для вокселя [ x i , y i , z ].Эмпирическим путем мы обнаруживаем, что веса плавно меняются по полю; следовательно, мы используем интерполяцию естественного соседа для оценки весов между выбранными точками. После эмпирического тестирования количества точек выборки на глубину ( N ) мы обнаружили, что 64 достаточно для нашей системы.
Вычислительная эффективность этой модели может быть проанализирована путем замены уравнения. (3) в уравнение. (2), что дает:
$$ \ begin {array} {c} {\ mathbf {b}} [u, v] = \ mathop {\ sum} \ limits_z {\ mathop {\ sum} \ limits_ {x , y} {\ mathbf {v}}} [x, y, z] {\ mathrm {{\ Lambda}}} [u, v] \ mathop {\ sum} \ limits_ {r = 1} ^ K {{ \ mathbf {w}} _ r} [x, y, z] {\ mathbf {g}} _ r [u — x, v — y; z] \\ = {\ mathrm {{\ Lambda}}} [u, v] \ mathop {\ sum} \ limits_z {\ mathop {\ sum} \ limits_ {r = 1} ^ K {\ left \ {{\ left ({{\ mathbf {v}} [x, y, z] {\ mathbf {w}} _ r [x, y, z]} \ right) \ mathop {\ ast} \ limits ^ {[x, y]} {\ mathbf {g}} _ r [x, y; z] } \ right \}}} \ left [{u, v} \ right] \ end {array} $$
(6)
где \ (\ mathop {\ ast} \ limits ^ {[x, y]} \) обозначает дискретную линейную свертку по боковым переменным.
На практике каждая свертка может быть реализована с использованием комбинации заполнения и свертки БПФ, тогда как Λ [ u , v ] представляет обрезку 12 . Обратите внимание, что суммирование по z предполагает, что ни один воксель не перекрывается частично. Поскольку эта модель включает K точечных умножений и K двумерных сверток на глубину, она примерно на K в раз медленнее, чем модель с инвариантным сдвигом. Следовательно, минимизация K за счет выбора весов и ядер или за счет уменьшения аберраций в аппаратных средствах улучшает вычислительную эффективность.
Калибровка
Экспериментально наша процедура калибровки захватывает PSF-изображения зеленого флуоресцентного шарика 2,5 мкм в 64 равноотстоящих точках по полю поля зрения для каждой глубины. Эмпирическим путем мы находим, что сингулярные значения быстро распадаются и что для нашей системы достаточно модели с рангом от K = 10 до K = 20. Обратите внимание, что мы можем найти компромисс между скоростью и точностью нашей модели, варьируя K , но разложение необходимо выполнить только один раз.Этот метод позволяет характеризовать чрезвычайно большую матрицу путем захвата только относительно небольшого количества изображений. Например, для нашей типичной калибровки требуется 80 глубин. Для плотной выборки каждого PSF с помощью датчика 0,3 мегапикселя потребуется 24 миллиона калибровочных изображений (300 000 на глубину) и терабайты памяти. Напротив, наш метод позволяет откалибровать весь этот объем, используя только 80 глубин × 64 изображения / глубина = 5120 изображений, что занимает 2 часа для захвата с использованием автоматизированных этапов и требует нескольких гигабайт для хранения.{\ rm {T}} \), который соответствует трехмерной анизотропной регуляризации ТВ, способствуя разреженным трехмерным градиентам при реконструкции. Параметр регуляризации, τ , управляет балансом между точностью данных и разреженными предыдущими трехмерными градиентами.
На практике мы вручную настраиваем τ на диапазоне тестовых данных, а затем оставляем его фиксированным для последующих захватов (см. Дополнительный рисунок 5). Мы решаем уравнение. (1) с использованием FISTA 27 с быстрым параллельным проксимальным методом без субитерации 31 .В вычислительном отношении наш метод имеет сходство с деконволюцией светового поля 17 , но поскольку наша PSF не является периодической и наши фокусные расстояния не все одинаковы, мы можем избавиться от необходимости согласования диафрагмы и добиться более высокого разрешения в большем объеме. . Чтобы решить уравнение. (1), мы вычисляем линейные прямые и сопряженные матрично-векторные кратные, используя свертку БПФ. Типичная реконструкция занимает 1–3 тыс. Итераций и выполняется за 8–24 мин на графическом процессоре RTX 2080-Ti с использованием MATLAB.
Разработка фазовой маски
В этом разделе мы представляем теорию проектирования и оптимизации фазовой маски, которая обеспечивает равномерное достижение целевого разрешения в заданном трехмерном объеме.Мы предполагаем, что фазовая маска будет помещена в апертурную диафрагму объектива с датчиком на фиксированном расстоянии, так как эта архитектура уменьшает размер и вес нашего устройства, делает систему близкой к инвариантной к сдвигу и обеспечивает мультиплексирование, которое необходимо для сжатого зондирования. Мы стремимся к тому, чтобы все PSF, создаваемые маской, имели высокое пространственно-частотное содержание и были взаимно некогерентными (то есть все были как можно более разными). С этой целью мы предлагаем в качестве фазовой маски мультифокальный массив неравномерно расположенных микролинз.
Мы решили использовать фазовую маску из микролинз, потому что она обеспечивает хорошую светопропускную способность, уравновешивая компромисс между отношением сигнал / шум и возможностями измерения сжатия. В нашей предыдущей работе использовались стандартные диффузоры с псевдослучайным гауссовым профилем поверхности 12 .
Они создают едкий PSF с низким отношением сигнал / шум из-за распространения света вогнутыми выступами поверхности диффузора. Напротив, микролинзы концентрируют свет в небольшом количестве острых точек, обеспечивая лучшую производительность в приложениях с низким освещением, таких как флуоресцентная микроскопия (см.1). Параметризуя наш дизайн как набор микролинз, мы также можем вывести простые правила дизайна из первых принципов (разделы «Боковое разрешение и мультифокальный дизайн»), а затем использовать их для формулирования задачи оптимизации, которая локально оптимизирует размещение и аберрации каждой микролинзы.
Мы размещаем наши микролинзы неравномерно, чтобы гарантировать, что PSF из всех точек поля не похожи. Регулярно расположенные массивы будут давать очень похожие PSF при сдвиге на один период микролинзы, что приведет к плохому измерению определенных пространственных частот.Предыдущая работа позволила избежать этой двусмысленности, введя ограничитель поля 21,22,23 , который предотвращает перекрытие PSF, но это значительно ограничивает поле зрения. Наша конструкция обеспечивает большее поле зрения за счет использования неоднородных интервалов и устранения неоднозначности с помощью вычислений перекрывающихся PSF. На рис. 5 мы сравниваем PSF и реконструкции из планов с регулярными интервалами и неоднородными фазовыми масками. Глядя на рис. 5c, PSF регулярной решетки вызывает нежелательные пики на низких частотах в ее радиально усредненной обратной спектральной плотности мощности (IPSD), метрике, связанной с характеристиками деконволюции 32 (чем ниже, тем лучше).Это проявляется в виде артефактов в моделируемой реконструкции, которые значительно уменьшаются в реконструкциях из обоих неоднородных дизайнов.
Рис. 5: Моделирование для мотивации нашего дизайна фазовой маски, сравнение предложенного нами неоднородного мультифокального дизайна с обычным унифокальным и неоднородным унифокальным дизайном.
a Профили высоты поверхности. b Сумма обратной спектральной плотности мощности PSF (IPSD) каждой конструкции в зависимости от глубины объекта (до проектной частоты среза, где чем ниже, тем лучше). c PSF и моделируемые реконструкции в фокусе (в собственном фокусе унифокальных решеток) с указанием пикового отношения сигнал / шум восстановления (PSNR). Измерение искажено 100 e −1 (пик) пуассоновским шумом. В фокусе неоднородный унифокальный дизайн имеет немного лучшие PSNR и разрешение, чем у нашего дизайна, в то время как обычный унифокальный дизайн работает хуже. Радиально усредненный IPSD (чем ниже, тем лучше) соответствует этой тенденции. d Формирование изображения Смещенное в фокус 200 мкм, оба унифокальных дизайна создают размытые PSF, что приводит к значительно худшим PSNR и разрешению при реконструкции по сравнению с таковыми в нашем дизайне.Этот результат также виден на гораздо более высоких кривых обратных спектров мощности для унифокальных конструкций.
Использование нескольких фокусных расстояний микролинз расширяет диапазон глубины, в котором мы получаем хорошее разрешение, как описано в разделе «Мультифокальный дизайн». Мультифокальные модели имеют резкие фокусные пятна в более широком диапазоне желаемой глубины, чем это может быть достигнуто с помощью унифокальных моделей, с обменом SNR в фокусе для лучшей производительности вне фокуса. На рис. 5c, d сравниваются PSF и качество реконструкции нашего подхода с таковыми для унифокальных конструкций в фокусе и на расстоянии 200 мкм от собственного фокуса унифокальных решеток.Размытые детали в расфокусированных PSF для обоих унифокальных дизайнов вызывают плохую производительность, как показано на реконструкциях и высоких спектрах обратной мощности. Чтобы получить представление о производительности на разных глубинах, на рис. 5b показаны интегрированные IPSD (до частоты среза) каждой конструкции в зависимости от глубины. Как и ожидалось, наш мультифокальный дизайн немного хуже, чем унифокальный дизайн в фокусе, но обеспечивает гораздо лучшие (более низкие) значения во всем диапазоне глубины.
В предлагаемой нами компактной системной архитектуре ясно, что наши неоднородные мультифокальные микролинзы являются хорошим выбором фазовой маски.Этот факт мотивирует следующие разделы, которые содержат рекомендации по оптимизации неоднородного расстояния, а также фокусных расстояний и аберраций микролинз для достижения целевого разрешения и диапазона глубин. Для нашего прототипа мы стремимся к латеральному разрешению 3,5 мкм и показываем, что это может быть достигнуто в диапазоне глубин до 360 мкм, что согласуется с нашими экспериментальными характеристиками.
Боковое разрешение
Боковое разрешение в первую очередь определяется размером дифракционной диафрагмы микролинз, который также определяет количество микролинз, которые помещаются на полную апертуру объектива, и, следовательно, диапазон глубины, на который мы можем нацеливаться.Мы разрабатываем разрешение по горизонтали, которое не требует полного зрачка, чтобы можно было разместить несколько микролинз в апертуре для лучшего кодирования глубины. Пример на рис. 5 нацелен на разрешение 3,5 мкм (частота среза 0,35 цикла / мкм) с использованием 36 микролинз со средней числовой апертурой = 0,09. Поскольку каждый дизайн имеет одинаковое количество микролинз, каждый имеет одинаковый предел разрешения.
Для количественной оценки мы выполняем дифракционный анализ, чтобы найти прозрачную апертуру, которая необходима отдельной микролинзе для поддержки поперечного разрешения δx на образце.Обратите внимание, что это предполагает, что мы восстановим разрешение не лучше, чем предел диапазона измерения, пренебрегая любым разрешением, полученным с помощью нелинейного решателя. Начнем с вычисления увеличения нашей системы:
$$ M \ приблизительно \ frac {{- t}} {{f_G}} $$
(7)
, где f G — фокусное расстояние GRIN, а t — расстояние от маски до датчика (вывод см. В дополнительном разделе 3).
Обратите внимание, что M примерно не зависит от фокусного расстояния микролинзы. Для нашей системы f G = 1,67 мм и t = 8,7 мм; таким образом, M ≈ −5.2. Используя уравнение. (7) и критерий Рэлея, прозрачная апертура микролинзы Δ M , необходимая для разрешения целевого объекта δx на длине волны λ , составляет:
$$ {\ mathrm {{\ Delta}}} _ {ML} = \ frac {{1.22 \ lambda t}} {{| M | \ delta x}} \ приблизительно \ frac {{1.22 \ lambda f_G}} {{\ delta x}} $$
(8)
Это выражение также не зависит от фокусного расстояния микролинзы, потому что мы предположили, что микролинза сфокусирована. Уравнение (8) позволяет нам выбрать подходящее среднее расстояние между микролинзами для желаемого разрешения. Наша система разработана для поперечного разрешения 3,5 мкм (хотя экспериментально мы достигаем 2,76 мкм из-за нелинейного решателя), что дает средний диаметр микролинз 300 мкм.Учитывая, что прозрачная апертура GRIN имеет диаметр 1,8 мм, получается 36 микролинз, которые могут поместиться в фазовой маске. Обратите внимание, что, поскольку GRIN ограничен аберрацией, 2D Miniscope не достигает ограниченного дифракцией разрешения, предсказываемого его размером полной апертуры. Следовательно, наше экспериментально измеренное разрешение не намного хуже, чем у 2D-минископа (поперечное разрешение 2 мкм), несмотря на разделение зрачка GRIN на 36 областей, чтобы добавить возможности измерения глубины.
Мультифокальный дизайн для расширенного диапазона глубин
Разнообразие фокусных расстояний в матрице микролинз приводит к расширенному диапазону глубин, что является ключевым преимуществом нашей архитектуры по сравнению с обычным LFM.Чтобы поддерживать равномерное поперечное разрешение на всех глубинах в интересующем объеме, PSF должен иметь резкие высокочастотные фокусные пятна для каждого осевого положения. Для этого требуется, чтобы по крайней мере одна микролинза была в фокусе для каждой осевой плоскости объекта, причем плоскости разнесены на глубину резкости микролинз (DoF). DoF одной микролинзы, d ML , обратно пропорционален прозрачной апертуре микролинзы, Δ ML , что дает d ML = ± 20 мкм для нашей системы (см. Дополнительный разд.4 для подробностей).
Наш дизайн направлен на то, чтобы в каждой глубине резкости было как минимум четыре микролинзы. Учитывая, что наш критерий бокового разрешения допускает 36 микролинз, у нас должно быть девять различных фокусных расстояний и диапазон глубины 360 мкм, что примерно в 10 раз больше, чем достигается на одном фокусном расстоянии. Обратите внимание, что существует компромисс между диапазоном глубины изображения и разрешением по горизонтали. Мы можем увеличить диапазон глубины, включив в маску больше микролинз; однако это уменьшает их чистую апертуру (ур.(8)) и, следовательно, разрешение по горизонтали. И наоборот, для визуализации тонких образцов, где требуется только узкий диапазон фокусных расстояний, возможно лучшее разрешение по горизонтали.
Чтобы определить распределение фокусных расстояний, мы находим фокусное расстояние, необходимое для фокусировки в начале диапазона глубины ( f мин = 7 мм) и в конце диапазона глубины ( f макс = 25 мм). Затем мы диоптрически распределяем фокусные расстояния по целевому диапазону, потому что это приводит к микролинзам, которые попадают в фокус на линейно разнесенных плоскостях глубины в пространстве образца.2} $$
(9)
, где d i — константа смещения, добавляемая к каждой микролинзе для управления ее прозрачной апертурой. Мы параметризуем асферические члены в микролинзах с помощью полиномов Цернике. Коэффициент Цернике j th для микролинз i обозначается как α ij ; таким образом, общий асферический компонент на этой микролинзе равен \ (\ mathop {\ sum} \ nolimits_j {\ alpha _ {ij}} Z_j ({\ mathbf {\ rho}} — {\ mathbf {\ rho}} _ c ^ i ) \), где Z j является полиномом Цернике j th . 2 $$
(11)
, где \ (P (\ rho _x, \ rho _y) \) — амплитуда зрачка GRIN, n — показатель преломления подложки микролинзы, а F t обозначает распространение Френеля на датчик a расстояние т. .Важно отметить, что осевые PSF дифференцируются по параметрам микролинз, θ , что позволяет нам оптимизировать конструкцию с использованием градиентных методов, как обсуждается в следующем разделе.
Оптимизация фазовой маски с использованием матричной когерентности
Принимая во внимание основные принципы, изложенные в предыдущих разделах, мы устанавливаем количество микролинз, их характерный размер апертуры и распределение фокусных расстояний; Затем мы стремимся оптимизировать положение микролинз и аберрации, чтобы максимизировать производительность.Чтобы сделать оптимизацию выполнимой с вычислительной точки зрения, мы игнорируем изменяющиеся в поле изменения PSF и предполагаем, что система инвариантна к сдвигу для целей проектирования.
Чтобы оптимизировать параметры микролинз θ с точки зрения осевых PSF на каждой глубине, мы настроили оптимизируемую функцию потерь, которая состоит из двух членов. Первый член, потеря кросс-когерентности, способствует хорошему осевому разрешению, гарантируя, что PSF на разных глубинах будут как можно более разными.Кросс-когерентность между любыми двумя глубинами определяется как \ (\ parallel {\ mathbf {h}} (u, v; z_n) \ star {\ mathbf {h}} (u, v; z_m) \ parallel _ \ infty: = {\ mathrm {max}} \ left [{{\ mathbf {h}} (u, v; z_n) \ star {\ mathbf {h}} (u, v; z_m)} \ right] \), где ⋆ представляет двумерную корреляцию, а max [·] — поэлементный максимум. Интуитивно мы хотим, чтобы кросс-когерентность была небольшой, так как она представляет собой наихудший случай неоднозначности, который может возникнуть при размещении двух точечных источников на разных глубинах, разнесенных в соответствии с разделением их пиков взаимной корреляции PSF.2 {\ mathrm {/}} \ sigma) \). Здесь σ > 0 — параметр настройки, в котором точность аппроксимации сводится к гладкости. Для наших целей это имеет то преимущество, что наказываются все большие значения взаимной корреляции, а не только самые большие. Обозначим это \ (\ left \ | \ cdot \ right \ | _ {\ bar \ infty} \).
Тогда общая потеря кросс-когерентности составит:
$$ q ({\ mathbf {\ theta}}) = \ mathop {\ sum} \ limits_n {\ mathop {\ sum} \ limits_ {m> n} { \ left \ | {{\ mathbf {h}} (u, v; {\ mathbf {\ theta}}, z_n) \ star {\ mathbf {h}} (u, v; {\ mathbf {\ theta}}, z_m)} \ right \ | _ {\ bar \ infty}}} $$
(12)
Второй член оптимизации обеспечивает сохранение разрешения по горизонтали.Для этого мы оптимизируем автокорреляцию PSF на каждой глубине, используя метод наименьших квадратов в частотной области. Анализ в разделе «Боковое разрешение» выше применим только к одной микролинзе; построение фазовой маски из нескольких линз обычно ухудшает разрешение из-за появления провалов в спектре, которые уменьшают контраст на определенных пространственных частотах. Следовательно, мы рассматриваем корпус с одной линзой как верхний предел, который определяет границу полосы частот многолинзовой PSF. Чтобы уменьшить спектральную пульсацию, мы штрафуем за расстояние \ (\ ell _2 \) между MTF PSF и одиночной микролинзой с дифракционным ограничением, | H |.2 $$
(13)
где \ ({\ Bbb F} \ left \ {\ cdot \ right \} \) — двумерное дискретное преобразование Фурье.
Общий убыток — это взвешенная сумма двух членов:
$$ f ({\ mathbf {\ theta}}) = p ({\ mathbf {\ theta}}) + \ tau _0q ({\ mathbf { \ theta}}) $$
(14)
, где τ 0 — параметр настройки, используемый для управления их относительной важностью. Для инициализации мы случайным образом генерируем 5000 эвристически разработанных фазовых масок-кандидатов, каждая с 36 микролинзами, расположенными в соответствии с дискретизацией диска Пуассона через диафрагму GRIN.Фокусные расстояния диоптрически распределяются между минимальным и максимальным значениями, вычисленными в разделе «Мультифокальный дизайн». Затем лучший кандидат из этих 5000 оптимизируется с использованием градиентного спуска, применяемого к f { θ }. Этот процесс реализован в TensorFlow Eager, чтобы включить автоматическое различение с ускорением на GPU.
Результаты нашего оптимизированного дизайна показаны на рис. 7, где мы сравниваем нашу оптимизированную маску со случайным мультифокальным дизайном, получившим худшие результаты во время инициализации, и с обычным унифокальным массивом.Оптимизированная конструкция имеет лучшую осевую кросс-когерентность (рис. 7b), а случайный массив имеет худшие недиагональные члены. Следовательно, в трехмерных реконструкциях (рис. 7c) оптимизированный дизайн работает немного лучше, чем случайный. Обычные микролинзы дают большие недиагональные пики кросс-когерентности, что проявляется в плохой производительности 3D-реконструкции вне фокуса.
Рис. 7: Сравнение нашей оптимизированной фазовой маски со случайными мультифокальными и регулярными решетками микролинз.a Карты высоты поверхности фазовой маски для всех трех случаев, включая расчетные аберрации, которые были добавлены в нашу оптимизированную фазовую маску. b Матрицы осевой кросс-когерентности для всех трех случаев и целевая матрица: каждая запись представляет собой максимальную взаимную корреляцию между PSF на глубинах, указанных метками строк и столбцов. Идеальная система, которая неосуществима, была бы близка к единичной матрице. c x — z срезов из трехмерных реконструкций тестового объекта, состоящего из разно расположенных точечных источников ( x — расстояния 3,5 мкм и 7 мкм, z — расстояния 19.4 мкм и 38 мкм). Мы добавляем пуассоновский шум с 1000 отсчетов пиков к каждому измерению. Обе неоднородные мультифокальные конструкции работают значительно лучше, чем обычная унифокальная матрица, и наша оптимизированная конструкция работает немного лучше, чем случайная версия, особенно вблизи краев глубины
Изготовление фазовой маски
Поскольку наши конструкции фазовой маски могут быть адаптированы к конкретным приложениям с различными требованиями к разрешающей способности и интересующим объемам возможность быстрого создания прототипов фазовой маски очень полезна.Недавно было показано, что 3D-принтер с двухфотонной полимеризацией Nanoscribe может печатать микромасштабную оптику произвольной формы по запросу 34 . Однако в своей текущей реализации Nanoscribe использует планарное гальванометрическое сканирование для полимеризации резиста, в результате чего поле зрения ограничено (диаметр ~ 350 мкм с объективом Nanoscribe × 25). Если необходимо напечатать более крупные объекты, необходимо сшить несколько блоков, перемещая подложку с помощью механического предметного столика. Артефакты сшивания в результате этого процесса могут серьезно повлиять на созданный объект 35 , обычно вызывая прямоугольные или шестиугольные артефакты блокировки.Как видно на рис. 8а, прямоугольные швы, проходящие через центр микролинз, могут быть очень вредными для нашей конструкции.
Рис. 8: Изготовление фазовой маски с нанографом.a Прямоугольная строчка приводит к образованию швов (черных линий), проходящих через множество микролинз, тогда как адаптивная строчка накладывает швы на границах микролинз для уменьшения артефактов. b Сравнение разработанных и экспериментальных PSF на нескольких глубинах выборки, показывающее хорошее соответствие с небольшим ухудшением на краю объема
Одним из решений этого является адаптивный алгоритм сшивания, который был продемонстрирован для тонких объектов и не- перекрывающийся массив микролинз 35 .Здесь мы предлагаем новый алгоритм сегментации на основе высоты, позволяющий размещать стыковые швы в области перекрытия между перекрывающимися микролинзами (рис. 8a). Это основано на функциях локальной высоты для каждой микролинзы, описанных в разделе «Параметризация фазовой маски». У каждой из этих функций есть область, в которой они приводят к наибольшим значениям, и эта область как раз и является печатным блоком, который будет напечатан из этого положения центра микролинзы (см. Дополнительный раздел 10).Как только адаптивная маска сшивания получена, инструкции записи для каждого блока могут быть сгенерированы с помощью TipSlicer 36 , 37 . На рисунке 8b сравниваются рассчитанные и экспериментальные PSF в трех плоскостях глубины, демонстрируя хорошее совпадение с некоторым ухудшением характеристик в конце объема.
Сборка устройства
Наш прототип системы Miniscope3D состоит из настраиваемой фазовой маски, датчика CMOS (Ximea MU9PM-MH), набора флуоресцентных фильтров (Chroma ET525 / 50m, T495lpxr, ET470 / 40x), линзы GRIN (Edmund Optics 64–520) и полушаровая линза (Edmund 47–269) с оптико-механическим корпусом, напечатанным на 3D-принтере.Фазовая маска толщиной 55 мкм приклеена к задней поверхности линзы GRIN с помощью оптической эпоксидной смолы. Обратите внимание, что наша экспериментальная калибровка PSF учитывает небольшое рассогласование фазовой маски. Конечное устройство имеет высоту 17 мм и вес 2,5 грамма.
Spectral DiffuserCam: гиперспектральная визуализация моментальных снимков без линз с массивом спектральных фильтров
Spectral DiffuserCam: гиперспектральная визуализация снимков без линз с матрица спектральных фильтров
Кристина Монахова, Кироллос Янни, Нирья Аггарвал и Лаура Уоллер
цитировать Нет статических данных цитирования Нет статических данных цитированияАннотация
Гиперспектральная визуализация полезна для различных приложений, от медицинских диагностика к мониторингу сельскохозяйственных культур; однако традиционное сканирование гиперспектральные изображения чрезмерно медленные и дорогие для широко распространенных принятие.Существуют техники создания снимков, но они часто ограничиваются громоздким настольным компьютером установки или имеют низкое пространственно-спектральное разрешение. В этой статье мы предлагаем новая, компактная и недорогая вычислительная камера для гиперспектральных снимков. визуализация. Наша система состоит из мозаичного массива спектральных фильтров, размещенных непосредственно на датчике изображения и рассеиватель, расположенный рядом с датчиком. Каждая точка в мир отображается на уникальный псевдослучайный образец на массиве спектральных фильтров, который кодирует мультиплексированную пространственно-спектральную информацию.Решая обратная задача с ограничениями по разреженности, мы восстанавливаем гиперспектральный объем с помощью субсуперпиксельное разрешение. Наша структура гиперспектральной визуализации является гибкой и могут быть разработаны с непрерывными или несмежными спектральными фильтрами, которые могут быть выбран для данного приложения. Предлагаем теорию для проектирования систем, продемонстрировать прототип устройства и представить экспериментальные результаты с высоким пространственно-спектральное разрешение. Комментарий: 10 страниц, 10 рисунков, Оптика.
Темы: Электротехника и системные науки — обработка изображений и видео, информатика — компьютерное зрение и распознавание образов, физика — оптика
Издатель: «Оптическое общество»
Год: 2020
Идентификатор DOI: 10.1364 / OPTICA.397214
Идентификатор OAI: oai: arXiv.org: 2006.08565
Будущее за безобъективными камерами? — IEEE Future Directions
Схема обучения ПО для безлинзовой камеры.Данные, захваченные обычной цифровой камерой, используются для обучения безлинзовой камере воссозданию изображения. Изображение предоставлено: Кристина Монахова и др., Optics ExpressЯ написал ряд сообщений о компьютерной фотографии, потому что это будущее фотографии, особенно для фотографии массового рынка (хотя компьютерная фотография — это то, что сегодня используется в большинстве научных изображений, включая впечатляющее изображение черной дыры, которое мы видели в прошлом году).
Есть еще один поворот в компьютерной фотографии, который меняет не данные, снятые цифровой камерой, а саму цифровую камеру: добро пожаловать в безлинзовые камеры.
Как объясняется в статье, опубликованной в Optics Express, можно создать камеру без линзы, фокусирующую световые лучи, исходящие из определенной точки пространства, на конкретный пиксель (это то, что делает линза). Подход состоит в том, чтобы использовать данные, поступающие из множества пикселей, и определять направление световых лучей, реконструируя изображение объекта, откуда они исходят. В основном безлинзовая камера работает наоборот, чем камера с объективом. В безлинзовой камере лучи от объекта попадают на множество пикселей (поскольку нет линзы, чтобы сфокусировать их на одном пикселе), и информация должна быть получена другим способом.
Для определения распределения световых лучей исследователи используют фазовую или амплитудную маску. Эта маска способна различать среди множества входящих фотонов те, которые исходят из определенной точки, и передавать эту информацию в программное обеспечение, которое обрабатывает данные, полученные датчиком.
Интересно, посмотрите на график, программное обеспечение обучено обрабатывать лучи, следовательно, восстанавливать изображение, передавая ему образец данных, который производит обычная цифровая камера. Сравнивая (машинное обучение) эти шаблоны с теми, что были получены датчиком без объектива, в сочетании с информацией, поступающей из маски, программное обеспечение учится создавать изображение.Обратите внимание, что нечто подобное делается с компьютерной фотографией, чтобы устранить размытость (не в фокусе) изображения, чтобы получить более резкое (до определенного момента, конечно).
Эта технология интересна тем, что позволяет создавать очень тонкие плоские камеры, что особенно ценно для камер смартфонов. На самом деле, ходят слухи, что Apple рассматривает использование этой технологии как способ снизить стоимость камер своих телефонов и повысить их производительность.Действительно, стоимость камер iPhone 7 составляла около 26 долларов (что составляет около 10% от общей стоимости, не считая цены этого телефона), а стоимость самого последнего iPhone 11 Pro Max с тремя объективами достигла 73 долларов! Немного.
Однако дело не только в стоимости, хотя это очень важно. Это еще и производительность. Благодаря этой технологии, поскольку вы избавляетесь от объектива, больше не существует ограничений фокусного расстояния объектива. Его изменение, то есть переход от широкоугольного к телеобъективу, связано с применением другого программного алгоритма.То же самое, как ни странно, касается разрешения. У этой технологии нет реальных ограничений для разрешения, которое вы можете иметь, вплоть до гигапикселей, если хотите (хотя это накладывает ограничения на время экспозиции, чем больше разрешение вам нужно, тем больше время экспозиции, поэтому она не будет работать для движущихся объектов. ).
Если вы хотите узнать больше об этой связи между разрешением и временем экспозиции в компьютерной фотографии, взгляните на эту недавнюю статью, опубликованную в Американском журнале физики в прошлом году, в которой описывается «однопиксельная камера» как альтернатива современным цифровым камерам … На самом деле это не альтернатива, но идея действительно интригующая.Это показывает, что по мере перехода от физического к киберпространству ограничения, которые мы привыкли принимать как должное, просто исчезают.
Гиперспектральные снимки без линз с массивом спектральных фильтров
Аннотация
Гиперспектральная визуализация полезна для различных приложений, от медицинской диагностики до мониторинга сельскохозяйственных культур; однако традиционные сканирующие гиперспектральные формирователи изображений чрезмерно медленны и дороги для широкого применения.Существуют методы создания снимков, но они часто ограничиваются громоздкими настольными установками или имеют низкое пространственно-спектральное разрешение. В этой статье мы предлагаем новую, компактную и недорогую вычислительную камеру для получения гиперспектральных изображений моментальных снимков. Наша система состоит из мозаичного массива спектральных фильтров, размещенных непосредственно на датчике изображения, и диффузора, размещенного рядом с датчиком. Каждая точка в мире отображается на уникальный псевдослучайный образец на массиве спектральных фильтров, который кодирует мультиплексированную пространственно-спектральную информацию.Решая обратную задачу с ограничением разреженности, мы восстанавливаем гиперспектральный объем с субсуперпиксельным разрешением. Наша структура гиперспектральных изображений является гибкой и может быть разработана с использованием непрерывных или несмежных спектральных фильтров, которые можно выбрать для данного приложения. Мы предлагаем теорию для проектирования системы, демонстрируем прототип устройства и представляем экспериментальные результаты с высоким пространственно-спектральным разрешением.
1 Введение
Системы гиперспектральной визуализации стремятся захватить трехмерный пространственно-спектральный куб, содержащий спектральную информацию для каждого пространственного местоположения.Это позволяет обнаруживать и классифицировать различные свойства материалов с помощью спектральных отпечатков пальцев, которые нельзя увидеть с помощью одной только камеры RGB. Было показано, что гиперспектральная визуализация полезна для множества приложений, от мониторинга сельскохозяйственных культур до медицинской диагностики, микроскопии и анализа качества пищевых продуктов [13, 27, 33, 44, 20, 1, 34, 37, 24, 5] . Несмотря на потенциальную полезность, коммерческие гиперспектральные камеры стоят от 25 000 до 100 000 долларов (на момент публикации этой статьи).Эта высокая цена и большой размер ограничили широкое использование гиперспектральных формирователей изображений.
Традиционные гиперспектральные формирователи изображения полагаются на сканирование либо спектрального, либо пространственного измерения гиперспектрального куба с помощью спектральных фильтров или строчного сканирования [21, 17, 50] . Эти методы могут быть медленными и обычно требуют точных движущихся частей, что увеличивает сложность камеры. Совсем недавно появились методы моментальных снимков, позволяющие захватить весь куб гиперспектральных данных за один снимок.Некоторые методы создания снимков предлагают компромисс между пространственным разрешением и спектральным разрешением за счет использования массива цветных фильтров или разделения поля зрения камеры (FOV). Подходы к вычислительной визуализации могут обойти этот компромисс путем пространственно-спектрального кодирования падающего света, а затем решения обратной задачи сжимающего зондирования для восстановления спектрального куба [47] , предполагая некоторую структуру в сцене. Эти системы обычно представляют собой настольные приборы с громоздкими релейными линзами, призмами или дифракционными элементами, подходящие для лабораторных экспериментов, но не для реального мира.Недавно было продемонстрировано несколько компактных гиперспектральных формирователей снимков, которые кодируют пространственно-спектральную информацию с помощью одной оптики, что обеспечивает практический форм-фактор [40, 16, 25] . Используя одну оптику для управления как спектральным, так и пространственным разрешением, они обычно ограничиваются измерением смежных спектральных элементов разрешения в пределах заданного спектрального диапазона.
Рис. 1: Обзор конвейера визуализации Spectral DiffuserCam, который восстанавливает гиперспектральный куб данных из однократного 2D-измерения.Система состоит из рассеивателя и матрицы спектральных фильтров, связанных с датчиком изображения. Процедура однократной калибровки измеряет функцию рассеяния точки (PSF) и функцию фильтрации. Изображения реконструируются с использованием нелинейного решателя обратной задачи с разреженным априорном. Результатом является трехмерный гиперспектральный куб с 64 каналами спектральной информации для каждой из 448 × 320 пространственных точек, созданный на основе измерения датчика 2D, размер которого составляет 448 × 320 пикселей.Здесь мы предлагаем новую схему кодирования, которая использует преимущества последних достижений в структурированных тонкопленочных спектральных фильтрах [42] и формировании изображений без линз, чтобы получить гиперспектральное изображение моментального снимка с высоким разрешением в малом форм-факторе.Наша система состоит из мозаичного массива спектральных фильтров, размещенных непосредственно на датчике, и рандомизирующей фазовой маски (т.е. диффузора), размещенной на небольшом расстоянии от датчика, как в архитектуре DiffuserCam [2] . Рассеиватель пространственно мультиплексирует входящий свет, так что каждая пространственная точка в мире отображается на множество пикселей на камере. Затем матрица спектральных фильтров спектрально кодирует входящий свет с помощью структурированной функции стирания. Эффект мультиплексирования диффузора позволяет восстанавливать информацию о сцене из подмножества пикселей сенсора, поэтому мы можем восстановить полный пространственно-спектральный куб без потери разрешения, которая может возникнуть в результате использования оптики без мультиплексирования, такой как линза. .
Наша схема кодирования позволяет восстанавливать гиперспектральные изображения в компактном и недорогом форм-факторе. Матрица спектральных фильтров может быть изготовлена непосредственно на датчике по цене менее 5 долларов как за диффузор, так и за решетку фильтров в масштабе. Ключевым преимуществом нашей системы по сравнению с предыдущими компактными гиперспектральными моделями моментальных снимков является то, что она разделяет спектральные и пространственные характеристики, обеспечивая гибкую конструкцию, в которой можно выбирать либо смежные, либо несмежные спектральные фильтры с полосой пропускания, выбранной пользователем.При некоторых условиях разреженности сцены и случайности диффузора спектральная выборка определяется спектральными фильтрами, а пространственное разрешение определяется автокорреляцией отклика диффузора. Это должно найти применение в приложениях для конкретных задач / классификации [41, 12, 30, 23] , где можно адаптировать спектральную дискретизацию к приложению путем измерения нескольких несмежных спектральных полос или иметь спектральные диапазоны с более высоким разрешением. выборка для определенных диапазонов.
Мы представляем теорию для нашей системы, моделирование, чтобы обосновать необходимость в диффузоре, и экспериментальные результаты для прототипа системы. Основные статьи нашей статьи:
Новая структура для получения гиперспектральных изображений моментальных снимков, сочетающая сжатое зондирование со спектральными фильтрами, что позволяет создавать компактные и недорогие гиперспектральные изображения.
Теория и моделирование, анализирующие пространственно-спектральное разрешение системы для объектов различной сложности.
Прототип устройства, демонстрирующий восстановление гиперспектральных снимков на реальных данных естественных сцен.
3 Обзор конструкции системы
Наша система использует последние достижения как в технологии матрицы спектральных фильтров, так и в сжатой безлинзовой визуализации для разделения спектрального и пространственного дизайна. Кроме того, матрицы спектральных фильтров можно наносить непосредственно на датчик камеры. Благодаря диффузору в качестве мультиплексирующей оптики система компактна и недорога в масштабе.
Чтобы обосновать нашу потребность в мультиплексирующей оптике вместо объектива формирования изображения, давайте рассмотрим три варианта архитектуры: одну с линзой с высокой числовой апертурой (NA), размер пятна которой с ограничением дифракции согласован с размером пикселя фильтра, и одну с низкой. -NA линза, размер пятна которой с ограничением дифракции соответствует размеру суперпикселя, и, наконец, наша конструкция с рассеивателем в качестве мультиплексирующей оптики. На рисунке 2 показаны эти три сценария с упрощенным примером матрицы спектральных фильтров, состоящей из 3 × 3 спектральных фильтров (всего 9), повторяющихся по горизонтали и вертикали.Предположим, что монохромный датчик камеры имеет квадратные пиксели поперечного размера Npixel, массив спектральных фильтров имеет квадратные фильтры размера Nfilter, и каждый блок спектральных фильтров 3×3 создает суперпиксель размером Nsuper-пиксель, где Npixel В случае объектива с высокой числовой апертурой точечный источник в сцене будет отображаться на один пиксель фильтра датчика и, таким образом, будет измеряться только в том случае, если он находится в пределах полосы пропускания этого фильтра; в противном случае он не будет записан, рис.осталось 2). В случае линз с низкой числовой апертурой каждый точечный источник будет отображен в области размером с суперпиксель матрицы фильтров и, таким образом, будет правильно записан датчиком, но за счет низкого пространственного разрешения (согласованного с супер-пикселем). размер пикселя), рис.2 (посередине). Напротив, мультиплексирующая оптика может избежать пропусков при измерении линзы с высокой числовой апертурой и обеспечить лучшее разрешение, чем в случае с низкой числовой апертурой. Рассеиватель мультиплексирует свет от каждого точечного источника так, что он попадает на множество пикселей фильтра, покрывая все спектральные полосы.И пространственное разрешение окончательного изображения может быть порядка размера пикселя камеры, при условии, что выполняются условия для сжатого зондирования, рис. 2 (справа). На практике пространственное разрешение нашей системы будет ограничено автокорреляцией функции рассеяния точки (PSF), как подробно описано в разд. 7, а PSF рассеивателя должен охватывать несколько суперпикселей, чтобы гарантировать захват каждой точки мира. Поскольку восстановление с сжатием используется для восстановления трехмерного гиперспектрального куба из двухмерных измерений, разрешение является функцией сложности сцены, как описано в разд.7. Учитывая нашу конструкцию с диффузором, размещенным перед датчиком, наверху которого находится матрица спектральных фильтров, в этом разделе мы обрисовываем переднюю модель оптической системы, показанную на рис. 3. Эта модель является важной частью наш итерационный обратный алгоритм для гиперспектральной реконструкции, который также будет использоваться для анализа пространственного и спектрального разрешения. Матрица спектральных фильтров помещается поверх датчика изображения, так что экспозиция каждого пикселя является суммой точечных умножений с функцией дискретного фильтра, , где ⋅ обозначает точечное умножение, v [x, y, λ] — спектральная освещенность, падающая на решетку фильтров, а Fλ [x, y] — трехмерная функция, описывающая пропускание света через спектральный фильтр для K диапазонов длин волн. , которую мы называем функцией фильтра.В этой модели мы включаем спектральный отклик датчика в определение Fλ [x, y]. Функция фильтрации нашего устройства определяется экспериментально (см. Раздел 6.C) и показана на рис. 4 (b). Это может быть обобщено на любую произвольную конструкцию спектрального фильтра и не предполагает выравнивания между пикселями фильтра и пикселями датчика. Здесь мы сосредоточимся на случае повторяющейся сетки спектральных фильтров, где каждый «суперпиксель» состоит из набора узкополосных фильтров. Наше устройство имеет сетку фильтров 8 × 8 в каждом суперпикселе; Инжир.3 для ясности изображена упрощенная сетка 3 × 3. Диффузор (гладкая псевдослучайная фазовая оптика) в нашей системе обеспечивает пространственное мультиплексирование; это приводит к компактному форм-фактору и обеспечивает реконструкцию с пространственным разрешением лучше, чем размер суперпикселя, с помощью сжатого считывания. Диффузор размещается на небольшом расстоянии от датчика, а на диффузоре размещается отверстие для ограничения больших углов. Интенсивность сенсорной плоскости, возникающая из диффузора, может быть смоделирована как свертка сцены, v [x, y, λ] с осевой PSF, h [x, y] [28] : где \ lx @ stackrel [x, y] ∗ представляет дискретную линейную двумерную свертку по пространственным измерениям.Функция кадрирования учитывает конечный размер сенсора. Мы предполагаем, что PSF не зависит от длины волны, и подтверждаем это экспериментально в разд. 6.B. Однако эту модель можно легко расширить, включив в нее спектрально изменяющуюся PSF, h [x, y, λ], если имеется большая дисперсия по длинам волн. Мы предполагаем, что объекты расположены за пределами гиперфокального расстояния тепловизора, поэтому PSF имеет пренебрежимо малую дисперсию по глубине, а двумерная сверточная модель действительна [28] . Если объекты расположены в пределах гиперфокального расстояния, потребуется трехмерная модель для учета дисперсии глубины PSF. Комбинируя модель спектрального фильтра с моделью диффузора, мы получаем следующую дискретную прямую модель: Линейная прямая модель представлена комбинированными операциями в матрице A.На рисунке 3 показана прямая модель для нескольких точечных источников, показывающая промежуточную переменную w [x, y, λ], которая представляет собой сцену, свернутую с PSF, до точечного умножения на функцию фильтрации. Окончательное изображение представляет собой сумму по всем длинам волн. Чтобы восстановить гиперспектральный куб данных из 2D-измерения, мы должны решить недоопределенную обратную задачу. Поскольку наша система попадает в рамки измерения сжатия из-за нашего некогерентного мультиплексированного измерения, мы используем минимизацию l1.v = argminv≥012∥b − Av∥22 + τ1∥∇xyλv∥1 + τ2∥v∥ ∗, где ∇xyλ = [∇x∇y∇λ] T — матрица прямых конечных разностей в направлениях x, y и λ, ∥⋅∥ ∗ представляет собой ядерную норму, которая представляет собой сумму сингулярных значений. τ1 и τ2 — параметры настройки для априорного и низкого ранга 3DTV соответственно. Мы используем быстрый итеративный алгоритм усадки-порога (FISTA) [7] со взвешенным анизотропным 3DTV для решения этой проблемы в соответствии с [26] . Мы создали прототип системы, используя датчик CMOS, массив гиперспектральных фильтров, предоставленный Viavi Solutions (Санта-Роза, Калифорния) [42] , и стандартный диффузор (Luminit 0,5 °), расположенный на расстоянии 1 см от датчика. . Датчик имеет 659 × 494 пикселя (с шагом пикселя 9,9 мкм), который мы обрезаем до 448 × 320, чтобы соответствовать размеру массива спектральных фильтров. Матрица спектрального фильтра состоит из сетки 28 × 20 суперпикселей, каждая из которых имеет сетку 8 × 8 пикселей фильтра (всего 64, охватывающих диапазон 386–898 нм).Каждый пиксель фильтра имеет размер 20 мкм, покрывая чуть более 4 пикселей сенсора. Выравнивание между пикселями датчика и пикселями фильтра неизвестно, что требует процедуры калибровки (подробно описанной в разделе 66.1). Время экспозиции регулируется для каждого изображения в диапазоне от 1 мс до 13 мс, что достаточно мало для захвата видео. Вычислительная реконструкция обычно занимает 12-24 минуты (для 500-1000 итераций) на графическом процессоре RTX 2080-Ti с использованием MATLAB. Чтобы откалибровать функцию фильтра (Fλ [x, y] в Ур.3), включая спектральную чувствительность как сенсора, так и матрицы спектральных фильтров, мы используем моторизованный монохроматор Cornerstone 130 1/3 м (модель 74004). Монохроматр создает узкополосный источник с полной шириной 5 нм на полувысоте (FWHM), и мы измеряем отклик фильтра (без диффузора), прокручивая источник с шагом 8 нм от 386 до 898 нм. Результат показан на рис. 4 (б). Нам также необходимо откалибровать отклик диффузора, измерив диаграмму PSF диффузора без матрицы спектральных фильтров.Поскольку диффузор относительно гладкий с крупными деталями (относительно длины волны света), PSF остается относительно постоянным в зависимости от длины волны, как показано на рис. 4 (а). Следовательно, нам нужно откалибровать только для одной длины волны путем захвата калибровочного изображения с одним точечным источником [2] . Однако это нетривиально, потому что матрица спектральных фильтров прикреплена к датчику и не может быть легко удалена. В нашей настройке мы вместо этого используем тот факт, что наш массив фильтров меньше, чем наш датчик, поэтому мы можем измерить PSF, используя края необработанного датчика, сдвигая точечный источник для сканирования различных частей PSF по необработанная область сенсора и сшивание фрагментов изображений вместе.В системе, в которой размер фильтра согласован с датчиком, этот трюк будет невозможен, но можно разработать подход, основанный на оптимизации, для восстановления PSF из измерений. Качество нашей реконструкции и спектральное разрешение ограничены двумя неидеальностями нашей системы. Во-первых, наша плата для разработки камеры выполняет неопределенное и неконтролируемое нелинейное увеличение контраста для всех изображений. Это делает измерение нелинейным и затрудняет визуализацию тусклых объектов (поскольку камера выполняет большее растяжение контраста для более тусклых изображений).Кроме того, наша спектральная калибровка может иметь ошибки, поскольку каждое калибровочное изображение не может быть нормализовано по интенсивности света, падающего на датчик. Это может привести к тому, что определенные диапазоны длин волн будут казаться ярче или тусклее, чем они должны быть при наших спектральных реконструкциях. Лучшая плата камеры без автоматического растяжения контраста должна решить эту проблему и обеспечить более количественные реконструкции спектрального профиля в будущем. Во-вторых, мы использовали упрощенную спектральную калибровку, в которой мы измеряли отклик с однородной спектральной дискретизацией, а не на истинных длинах волн фильтров.Из-за несоответствия между нашей схемой калибровки (измеряемой каждые 8 нм с постоянной полосой пропускания) и фактическими спектральными фильтрами (центральные длины волн разнесены на 5-12 нм друг от друга с полосой пропускания между 6-23 нм), иногда длины волн калибровки попадают между двумя фильтрами, что приводит к неоднозначности . Учитывая эту неидеальную калибровку, наши эффективные спектральные полосы ограничены 49 полосами вместо 64. В наших результатах мы показываем все 64 полосы, но обратите внимание, что некоторые из них будут иметь перекрывающиеся спектральные характеристики. В будущем мы будем откалибровать фильтр на проектных длинах волн, чтобы исправить эту проблему.Кроме того, наложение спектральных фильтров непосредственно поверх пикселей камеры (требующее точного размещения на этапе производства) полностью устранит необходимость в этой калибровке. Здесь мы получаем наше теоретическое разрешение и экспериментально подтверждаем его с помощью нашей системы-прототипа. Сначала мы обсуждаем спектральное разрешение, которое задается шириной полосы фильтра, а затем вычисляем ожидаемое двухточечное пространственное разрешение на основе автокорреляции PSF.Поскольку наше разрешение зависит от сцены, мы ожидаем, что разрешение будет ухудшаться со сложностью сцены. Чтобы охарактеризовать это, мы представляем теорию многоточечного разрешения, основанную на анализе числа обусловленности, введенном в [2] . Мы сравниваем нашу систему с системами с линзами с высокой и низкой числовой апертурой вместо диффузора. Наши результаты демонстрируют двухточечное пространственное разрешение ~ 0,19 суперпикселей и многоточечное пространственное разрешение ~ 0,3 суперпикселя для 64 спектральных каналов в диапазоне от 386 до 898 нм. Спектральное разрешение определяется спектральными каналами матрицы фильтров.Таким образом, мы ожидаем, что сможем разрешить 64 спектральных канала, присутствующих в нашем массиве спектральных фильтров. Фильтры имеют средний интервал 8 нм в диапазоне 386–898 нм с полосой пропускания от 6 до 23 нм. Чтобы проверить наше спектральное разрешение, мы сканируем точечный источник по этим длинам волн с помощью монохрометра. На рис. 6 показана выборка спектральных реконструкций, наложенных друг на друга, с заштрихованными блоками, показывающими спектры наземного монохрометра. Все наши реконструкции соответствуют истинным пикам в пределах 5 нм от истинной длины волны.Маленькие красные пики около 400 нм — это артефакты от монохрометра, который излучал второй пик около 400 нм для более длинных волн. Пространственное разрешение нашей системы с точки зрения разрешения по двум точкам будет ограничено разрешением безлинзового формирователя изображения с только диффузором (без массива спектральных фильтров).Ожидаемое разрешение можно определить как полуширину автокорреляционного пика на 70% от максимального значения [28] , рис. 5 (a). Для нашей системы это ~ 3 пикселя сенсора, или 0,19 суперпикселя. Чтобы экспериментально измерить пространственное разрешение нашей системы, мы отображаем два точечных источника на трех разных длинах волн (618 нм, 522 нм, 466 нм). Реконструкции на рис. 5 показывают, что мы можем разрешить два точечных источника, которые находятся на расстоянии 0,19 суперпикселя друг от друга для каждой длины волны и каждой ориентации, как определено с помощью критерия Рэлея.Это демонстрирует, что наша система обеспечивает суб-суперпиксельное пространственное разрешение, соответствующее ожидаемому разрешению, которое было бы достигнуто без массива спектральных фильтров. Поскольку наш алгоритм восстановления изображения содержит условия нелинейной регуляризации, разрешение реконструкции будет зависеть от объекта.Следовательно, измерений разрешения по двум точкам недостаточно для полной характеристики разрешения системы, и их следует рассматривать как лучший сценарий. Чтобы лучше предсказать реальную производительность, мы выполняем анализ числа локальных условий, как это было введено в [2] , который оценивает разрешение как функцию сложности объекта. Число локальных условий является показателем того, насколько хорошо прямая модель может быть инвертирована при известной поддержке, и полезна для таких систем, как наша, в которых полная матрица A никогда явно не вычисляется [9] . Теория локальных чисел обусловленности утверждает, что, зная априорную поддержку сцены, v, мы можем сформировать подматрицу, состоящую только из столбцов матрицы A, соответствующих ненулевым вокселям. Проблема реконструкции будет некорректной, если любая из субматриц A плохо обусловлена, что может быть количественно определено числом обусловленности субматриц. Наихудшее число условий будет, когда источники находятся рядом друг с другом, поэтому мы вычисляем число условий для группы точечных источников с разделением, изменяющимся на целое число вокселей, и повторяем это для увеличения числа точечных источников. На рис. 7 мы вычисляем локальное число обусловленности для двух случаев: случай 2D пространственной реконструкции с учетом только одного спектрального канала и случай 3D с учетом точек с различными пространственными и спектральными положениями. Для сравнения мы также моделируем число обусловленности для линз с низкой и высокой числовой апертурой, как описано в разд. 3. Результаты показывают, что наша конструкция диффузора имеет постоянно более низкое число условий, чем линзы с низкой или высокой числовой апертурой, имея число условий ниже 40 для разделительных расстояний более ∼0.3 супер-пикселя. Объектив с низкой числовой апертурой требует разделительного расстояния, близкого к ~ 1 суперпикселю, как и ожидалось, а линза с высокой числовой апертурой имеет ошибочное число состояний из-за отсутствия информации при измерении. Из этого анализа мы можем видеть, что за пределами разделения 0,3 суперпикселей, число условий для диффузора не ухудшается произвольно из-за увеличения сложности сцены. Таким образом, наше ожидаемое пространственное разрешение составляет примерно 0,3 суперпикселя. Затем мы проверяем результаты нашего анализа числа обусловленности путем моделирования реконструкций цели разрешения с различными пространственными положениями, освещенными разными источниками (красным, зеленым, синим и белым светом), как показано на рис.8. Для каждого моделирования мы добавляем гауссов шум с дисперсией 1 × 10–5 и запускаем реконструкцию для 2000 итераций FISTA с 3DTV. Наша система разрешает объекты, разнесенные друг от друга на 0,3 суперпикселя, тогда как объектив с низкой числовой апертурой может разрешать только те особенности, которые находятся на расстоянии примерно 1 суперпиксель, а объектив с высокой числовой апертурой приводит к появлению зазоров, подтверждая наши предсказанные характеристики. Мы начинаем с экспериментальных реконструкций простых объектов с известными свойствами — широкополосной цели разрешения ВВС США, отображаемой на мониторе компьютера, и сетки светодиодов RGB (рис.9). Мы определяем точки, которые находятся на расстоянии ~ 3 суперпикселя друг от друга, что соответствует нашему ожидаемому многоточечному разрешению, основанному на анализе числа условий, приведенном выше. Для сцены со светодиодной RGB-подсветкой наземные спектральные профили светодиодов измеряются с помощью спектрометра, и наш восстановленный спектральный профиль близко соответствует наземным истинам, как показано на рис. 9 (b). Далее мы показываем реконструкции более сложных объектов, отображаемых на мониторе компьютера или освещенных двумя галогенными лампами (рис. 10).Мы строим наземные профили спектральных линий, измеренные спектрометром Thorlabs CCS200, из четырех точек сцены, показывая, что мы можем точно восстановить спектры. Для каждого изображения показана эталонная сцена RGB, демонстрируя, что реконструкции пространственно соответствуют ожидаемой сцене. Ключевым преимуществом нашей разработки по сравнению с предыдущими работами является ее гибкость в выборе спектральных фильтров для адаптации системы к конкретному применению.Например, можно нелинейным образом выполнить выборку в широком диапазоне длин волн (что затруднительно для многих предыдущих моделей гиперспектральных формирователей моментальных снимков). В будущем мы планируем разработать реализации, специфичные для различных приложений, ориентированных на задачи, которые могут упростить внедрение гиперспектральных изображений, тем более что цена на несколько порядков ниже, чем у доступных в настоящее время гиперспектральных камер. В настоящее время мы экспериментально достигли пространственного разрешения ∼0,3 суперпикселя, или 5 пикселей сенсора.В будущих разработках мы сможем достичь полного разрешения сенсора (наряду с более качественными реконструкциями) за счет оптимизации случайной оптики вместо использования стандартного диффузора. Это может быть достигнуто с помощью сквозной оптической конструкции [43, 38] . Наша система имеет два основных ограничения: пропускная способность света и зависимость от сцены. Из-за использования узкополосных спектральных фильтров большая часть света отфильтровывается фильтрами. Это обеспечивает хорошую спектральную точность и дискриминацию, но за счет низкой светопропускной способности.Кроме того, поскольку свет распространяется рассеивателем по множеству пикселей, отношение сигнал / шум (SNR) дополнительно уменьшается. Следовательно, наш тепловизор в настоящее время не подходит для условий низкой освещенности. Это ограничение светопропускной способности может быть смягчено в будущем за счет использования фотонно-кристаллических пластин вместо узкополосных фильтров, чтобы увеличить светопропускную способность при сохранении пространственно-спектрального разрешения и точности [48] . Кроме того, сквозная конструкция как спектральных фильтров, так и фазовой маски должна повысить эффективность, поскольку конструкции для конкретных приложений могут использовать только набор длин волн, необходимых для конкретной задачи, без выборки промежуточных длин волн.Уменьшение количества спектральных полос улучшает как пропускную способность (поскольку для каждой спектральной полосы будет выделена большая площадь сенсора), так и пространственное разрешение (поскольку суперпиксели будут меньше). Наше второе ограничение — это зависимость от сцены, поскольку наш алгоритм реконструкции основан на разреженности объектов (например, разреженных градиентах). Из-за члена нелинейной регуляризации трудно предсказать производительность, и могут возникнуть артефакты, если сцена недостаточно разреженная.Последние достижения в области машинного обучения и обратных задач направлены на обеспечение лучшего представления сигналов, позволяя реконструировать более сложные и плотные сцены [32, 8] . Кроме того, машинное обучение может быть полезно для ускорения алгоритма реконструкции [36] , а также для более непосредственного использования имидж-сканера для задач более высокого уровня, таких как классификация [14] . В нашей работе представлен новый способ построения гиперспектральных изображений, который сочетает в себе массив цветных фильтров и методы построения изображений без линз для сверхкомпактной и недорогой гиперспектральной камеры.Матрица спектральных фильтров кодирует спектральную информацию на датчике, а диффузор мультиплексирует входящий свет, так что каждая точка в мире отображается на множество спектральных фильтров. Мультиплексный характер измерения позволяет нам использовать сжатие для восстановления высокого пространственно-спектрального разрешения из одного 2D-измерения. Мы провели анализ ожидаемого разрешения нашего тепловизора и экспериментально охарактеризовали двухточечное и многоточечное разрешение системы. Наконец, мы построили прототип и продемонстрировали реконструкции сложных пространственно-спектральных сцен с точностью до 0.19 суперпиксельное пространственное разрешение по 64 спектральным полосам. Эта работа была поддержана грантом GBMF4562 Фонда Гордона и Бетти Мур и грантом STROBE: Научно-технологический центр Национального научного фонда в рамках гранта № DMR 1548924. Кристина Монахова и Кироллос Янни выражают благодарность за финансирование из Национального научного фонда. Программа стипендий для аспирантов (NSF GRFP) (DGE 1752814). Камеру и матрицу спектральных фильтров предоставила компания Viavi Solutions (Санта-Роза, Калифорния). Авторы хотели бы поблагодарить Viavi Solutions (Санта-Роза, Калифорния) и особенно Билла Хоука за их техническую помощь и поддержку, а также Ника Антипа и Грейс Куо за полезные обсуждения. 4 Imaging Forward, модель
4.1 Спектральный фильтр модели
L [x, y] = K − 1∑λ = 0Fλ [x, y] ⋅v [x, y, λ], (1) 4.2 Диффузор модели
w [x, y, λ] = обрезка (v [x, y, λ] \ lx @ stackrel [x, y] ∗ h [x, y])) (2) 4.3 Комбинированная модель
b = K − 1∑λ = 0Fλ [x, y] ⋅crop (h [x, y] \ lx @ stackrel [x, y] ∗ v [x, y, λ]) (3) = K − 1∑λ = 0Fλ [x, y] ⋅w [x, y, λ] (4) = Av. (5) 5 Гиперспектральная реконструкция
(6) 6 Подробности реализации
6.1 Калибровка функции фильтра
6.2 Калибровка PSF
6.3 Системные неидеальности
7 Анализ разрешения
7.1 Спектральное разрешение
7.2 Двухточечное пространственное разрешение
7.3 Многоточечное разрешение
7.4 Реконструкция цели с имитацией разрешения
8 экспериментальных результатов
9 Обсуждение
10 Заключение
Информация о финансировании
Благодарности