Advanced multidimensional incoherent imaging systems with reconfigurable axial and spectral resolutions

Abstract

Kaasaegsed kujutamistehnoloogiad, nagu kaamerad, mikroskoobid ja teleskoobid, on olulised tööriistad nii teaduses kui ka igapäevaelus. Need aitavad meil vaadelda kõike alates mikroskoopilistest rakkudest kuni kaugete galaktikateni. Siiski on enamikul tänapäeva kujutamissüsteemidest üks oluline piirang: kui kujutis, video või hologramm on salvestatud, ei ole selle põhiomadusi, nagu sügavusteravus (aksiaalne lahutusvõime) ja kujutise detailide eristus (lateraalne lahutusvõime), enam võimalik muuta. Lisaks on aksiaalne ja lateraalne lahutusvõime omavahel seotud. See tähendab, et ühe lahutusvõime muutmine mõjutab sageli ka teist. Seetõttu peavad teadlased ja insenerid määrama kõik kujutise parameetrid ette. Kui hiljem on vaja teistsuguseid seadeid, tuleb mõõtmine uuesti läbi viia. Paljudes reaalsetes olukordades on see keeruline, kulukas või isegi võimatu, näiteks haruldaste nähtuste või elussüsteemide uurimisel. Käesolev doktoritöö tutvustab uusi arvutusliku kujutamise meetodeid, mis lahendavad selle probleemi. Pakutud lähenemine võimaldab kujutise põhiomadusi, eelkõige aksiaalset ja spektraalset lahutusvõimet, reguleerida pärast andmete salvestamist ilma lateraalset lahutusvõimet mõjutamata. Selle saavutamiseks ühendab uurimistöö spetsiaalselt kavandatud optilise süsteemi ja täiustatud arvutuslikud rekonstrueerimisalgoritmid. Koos võimaldavad need eraldada ehk lahti siduda kujutise omadused, mis varem olid omavahel seotud. Selle tulemusena saab sama salvestatud andmestikku kasutada mitmel erineval viisil, ilma et oleks vaja katseid korrata või kujutamissüsteemi muuta. See kujutab endast olulist muutust võrreldes traditsioonilise kujutamisega, kus kujutise omadused on fikseeritud salvestamise hetkel. Selle asemel muutuvad kujutised paindlikuks andmeks, mida saab hiljem täiustada ja kohandada. Võimalikud rakendused on laialdased. Meditsiinilises kujutamises saavad arstid olemasolevatest skaneeringutest rohkem kasulikku teavet ilma täiendavate protseduurideta. Mikroskoopias võimaldab see teadlastel paremini uurida keerukaid bioloogilisi proove erinevatel sügavustel. Digitaalses holograafias ja arvutuslikus fotograafias muutub kujutiste analüüs paindlikumaks ja tõhusamaks. Isegi filmikunstis saab hiljem parandada kaadreid, mis on veidi fookusest väljas või ebatäpselt salvestatud, säästes aega ja ressursse. Kokkuvõttes esitab käesolev töö uue viisi kujutamisest mõtlemiseks. Fikseeritud tulemuste asemel muutuvad kujutised kohandatavaks ja taaskasutatavaks. See paindlikkus võib toetada tõhusamat teadustööd, vähendada kulusid ja võimaldada tulevikus nutikamaid tehnoloogiaid. Modern imaging technologies such as cameras, microscopes, and telescopes are essential tools in both science and everyday life. They help us observe everything from tiny cells to distant galaxies. However, most current imaging systems have an important limitation: once an image, video, or hologram is recorded, its key properties, such as depth sharpness (axial resolution) and detail across the image (lateral resolution), cannot be altered. In addition, the axial and lateral resolutions are linked to each other. This means that changing one resolution often affects the other. Because of this, scientists and engineers must decide all image settings in advance. If different settings are needed later, the measurement must be repeated. In many real-life situations, this is difficult, expensive, or even impossible, for example, when studying rare events or living systems. This doctoral thesis introduces new computational imaging methods that solve this problem. The proposed approach allows key image properties, especially axial and spectral resolutions, to be adjusted after data recording without affecting lateral resolution. To achieve this, the research combines a specially designed optical system with advanced computational reconstruction algorithms. Together, they separate, or decouple, image properties that were previously interdependent. As a result, the same recorded data can be used in multiple ways, without repeating experiments or changing the imaging setup. This represents a significant shift from traditional imaging, where image properties are fixed at the moment of capture. Instead, images become flexible data that can be refined and adapted later. The potential applications are wide-ranging. In medical imaging, doctors could extract more useful information from existing scans without additional procedures. In microscopy, researchers could better study complex biological samples at different depths. In digital holography and computational photography, image analysis becomes more flexible and efficient. Even in cinematography, scenes that are slightly out of focus or improperly captured could be improved afterward, saving time and resources. Overall, this work presents a new way of thinking about imaging. Instead of fixed results, images become adaptable and reusable. This flexibility can support more efficient research, reduce costs, and enable smarter technologies in the future.