高光譜成像對于材料識別至關重要，但傳統系統體積龐大，阻礙了緊湊型系統的發展。雖然先前的超構表面（metasurfaces）解決了體積問題，但復雜的制造工藝和巨大的占位面積仍然限制了它們的應用。

據麥姆斯咨詢報道，近日，國立成功大學（National Cheng Kung University）的研究團隊在Nature Communications期刊上發表了題為“Metasurface-empowered snapshot hyperspectral imaging with convex/deep (CODE) small-data learning theory”的論文。通過將超構光學（meta-optics）與小數據凸優化/深度學習（CODE）理論相結合，該論文報道了一種緊湊型快照高光譜成像儀。該高光譜成像儀僅包含一個在可見光窗口（500 - 650 nm）工作的多波長超構表面芯片，顯著減小了設備尺寸。為了展示所提出的高光譜成像儀的高性能，研究人員使用4波段多光譜成像數據集作為輸入。通過CODE驅動的成像系統，僅使用18個訓練數據點即可高效生成高保真度的18波段高光譜數據立方體。多共振（multi-resonant）超構表面與小數據學習理論的完美結合有望為基礎科學研究和實際應用提供緊湊型的先進儀器。

利用平面超構光學和小數據學習理論計算成像的優勢，研究人員提出并在實驗中演示了一種緊湊型快照高光譜成像儀（見圖1）。這種先進的超構表面驅動的高光譜成像儀是由專門設計的由多共振等離子體超構原子（meta-atoms）構建的多波長離軸聚焦超構反射鏡（MOFM）實現的。在可見光窗口工作時，MOFM能夠在一次測量中獲取4幅圖像的多光譜數據集。

圖1 超構表面賦能高光譜成像的原理示意圖

該研究不使用濾波器構建彩色物體多光譜圖像的主要思想，是利用多共振超構原子作為超構表面構建單元。研究人員將鋁（Al）納米棒與專門設計的分布式布拉格反射器（DBR）相結合，以實現多共振超構原子。為了在空間上將彩色圖像分離成多個波長通道，研究人員通過引入具有橫向色差的多共振超構原子來設計MOFM。多共振超構原子和MOFM的設計如圖2所示。

圖2 多共振超構原子和離軸聚焦超構反射鏡的設計

接下來，研究人員制造了MOFM并通過實驗表征其光學功能，如圖3所示。

圖3 多波長離軸聚焦超構反射鏡（MOFM）的聚焦和成像演示

為了從多光譜圖像中獲得高質量的高光譜數據立方體，研究人員開發了一種創新的機器學習理論。提出的成像技術應用了CODE學習理論，該理論最初是為基于小數據學習（SMDL）的高光譜衛星數據恢復（數據稀少且昂貴）而開發的，通過巧妙地結合凸優化（convex optimization）和深度學習的優勢以實現光譜超分辨率，從而在計算上獲得清晰的高光譜圖像。

圖4 CODE小數據學習與成像理論的流程示意圖

研究人員通過實驗演示了使用單個超構表面芯片的快照高光譜成像，結果如圖5所示。

圖5 快照高光譜成像

為了定量分析基于MOFM的高光譜成像儀的成像性能，研究人員計算了逐像素均方誤差（MSE）損失，該數據被廣泛用于比較真實圖像（地面實況）和生成圖像中各個像素的MSE，如圖6a所示。圖6b、6c分別為兩個高光譜成像數據立方體的均方根誤差（RMSE）和光譜角映射（SAM）。以上這些結果表明，所提出的方法在現實世界的實時成像中具有很大的潛力。

圖6 高光譜成像數據立方體的保真度

綜上所述，這項研究提出并通過實驗演示了一種基于MOFM的超構表面賦能的快照高光譜系統，該系統與創新的CODE小數據學習理論相結合。以4波段圖像的小數據集作為輸入，該系統可以生成由18波段高保真彩色圖像組成的像差校正高光譜數據立方體。初始的4波段多光譜圖像是使用單顆超構表面芯片獲取的，顯著減少了高光譜成像儀的占位面積。所開發的高光譜成像儀外形緊湊、設備尺寸小，在先進系統和空間儀器（例如無人機系統和小型衛星）方面具有巨大的潛力。雖然所提出的快照高光譜系統目前僅展示了可見光區域的18波段數據立方體，但值得注意的是，波段數量和光譜范圍可以進一步擴展。這歸功于所開發的超構原子的多共振特性，其覆蓋了從可見光到近紅外區域的廣泛范圍。