自适应三次谐波共焦显微测量方法与理论

For the three-dimensional imaging of direct-written photonic structures, principle and theories are investigated on adaptive third harmonic generation confocal microscopy. Firstly, the combination of confocal microscopy and third-harmonic generation microscopy is proposed to improve the ability of depth measurement and resolution to probe the small structures of transparent samples at the interfaces and inhomogeneities. The signals of harmonic generation are detected by the dual confocal microscope respectively. Secondly, the vector analysis is used for the imaging of the third harmonic generation confocal microscopy. The roles of the relative value of nonlinear susceptibility and the numerical aperture are discussed. Thirdly, the vector model with the mismatch of the refractive index is built to analyze the influence on focal shift, intensity detecting and radiation distribution. A new concept of adaptive optics is presented to decouple and exert independent control over the phase front and pulse front. A beam for aberration correction could be generated with an arbitrarily shaped pulse front, whilst the phase front remains flat. The proposed method can be used for the measurement of interface and inhomogeneous area in transparent material.

针对飞秒激光直写激光改性区折射率分布三维立体高精度显微测量问题，开展自适应三次谐波共焦显微测量方法与理论研究，首先，提出谐波共焦显微测量方法，采用双路复合共焦系统进行谐波信号探测，将谐波显微与共焦扫描有机结合，以提升透明介质界面、非同质区的探测深度和分辨力；其次，建立三次谐波共焦显微成像矢量模型，揭示非线性效应对三次谐波共焦成像的作用机理，分析三阶非线性极化率、数值孔径对三次谐波探测与解析的影响；第三，建立折射率失配条件下的三次谐波共焦显微矢量模型，揭示折射率失配对光场焦移、强度衰减、轴向分布的影响，并通过对光束在空间、时间上的四维同步调控实现激光相位与脉冲的解耦，从而对任意像差进行自适应补偿。研究成果可为光量子集成芯片、厚生物组织等透明介质中的界面、非同质区域的高精度三维立体显微测量提供新的测量方法和理论支撑。

项目研究以飞秒激光直写量子器件微结构三维立体高精度显微测量、厚生物组织无标记显微成像为应用背景，旨在通过自适应谐波显微成像理论探索与测量方法研究，解决微纳结构、活体细胞/组织的无标记、无损伤三维显微测量的难题。.（1）建立了多过程、全矢量三维谐波显微成像模型，揭示了系统像差在不同偏振态照明、不同针孔尺寸下对谐波显微成像的影响规律。研究结果表明，随着像差系数的增加，斯特列尔比会相应减少。同时，建立了折射率失配谐波显微成像模型，在模型中充分考虑折射率失配以及成像深度对谐波显微成像结果的影响。研究结果对于三次谐波共焦显微的图像解释和像差校正具有重要意义。.（2）提出了基于深度学习的折射率失配像差校正方法。相比于广泛应用的Richardson-Lucy去卷积方法，神经网络可获得更高分辨率，并正确地恢复因为折射率失配而丢失的细节信息，且不需要获取成像系统在不同成像深度处的点扩散函数等先验知识。定量化评价指标SSIM表明：神经网络输出图像和真值图像有更高的相似性，即相比于Richardson-Lucy去卷积方法，所提出方法校正效果更好。.（3）提出基于像素重分配的谐波显微超分辨成像方法。通过将传统谐波显微成像中的单点探测改为多点探测，并对采集数据进行像素重分配和去卷积处理，以实现超分辨成像。以模拟微管为例，SHG-PR结合去卷积方法相比传统成像方法，分辨率提升了2倍。.