低次谐波不再被丢弃:跨谐波神经网络把纳米红外第三谐波相位噪声压到约0.02弧度
核心概要
纳米红外高光谱成像长期依赖背景干净但噪声大的三次谐波,而信噪比更高的一、二次谐波因背景干扰被弃用。跨谐波神经网络(CHNN)以实验数据训练,用一、二次谐波谱重建三次谐波谱,在PMMA/PS共混物上降低噪声并保留谱特征与纳米级空间对比,其降噪优于单谐波自编码器。
深度剖析
纳米红外高光谱成像现在可以把原本因背景污染而被丢弃的一、二次谐波当作输入,用来重建背景干净的三次谐波数据立方,从而在不增加采集时间的前提下提高信噪比。 此前定量高光谱测量通常只依赖三次、四次等较高次谐波,它们几乎不含背景但信噪比低;一、二次谐波信噪比高,却带有显著背景,会扭曲共振、移动峰位,因而一般被弃用。 在PMMA/PS聚合物共混物的80×49像素、64个波数的高光谱数据上,三次谐波相位在PMMA区域的平均标准差从中心谱段的0.13弧度升到谱边缘的0.47弧度,而CHNN重建在两端都约为0.02弧度。
重建按像素逐个进行,网络把同一位置的一、二次谐波完整复谱映射为对应的三次谐波复谱。 跨谐波神经网络(CHNN)是一个全连接多层感知机,输入为前两次谐波实部与虚部拼接成的256维向量,输出为三次谐波实部与虚部拼接成的128维向量。 训练样本直接取自实测高光谱立方,每个空间位置算一个样本,共3920个,按80%训练、20%验证划分;对照的单谐波自编码器使用相同的数据划分、归一化、损失函数与训练设置。
启示与展望
演示范围是PMMA/PS聚合物共混物上80×49像素、64个波数、100纳米像素尺寸的高光谱数据立方,采集总时长4小时;空间保真度以同一区域、50纳米像素的单频QCL图像为参照。
仅验证了从一、二次谐波到三次谐波的映射;只使用一次谐波的1→3变体虽同样降噪,却未能恢复亚300纳米PMMA颗粒和大气畴内空洞等细节,作者将其归因于一次谐波更大的探测体积。
