Identifizierung von Objekten an der Quantenobergrenze für die Superauflösungsbildgebung

Wir betrachten passive Bildgebungsaufgaben, die die Unterscheidung zwischen bekannten Kandidatenobjekten beinhalten, und untersuchen die bestmögliche Genauigkeit, mit der das korrekte Objekt identifiziert werden kann. Wir berechnen analytisch die quantenlimitierten Fehlergrenzen für Hypothesentests auf jeder Bibliothek von inkohärenten, quasimonochromatischen Objekten, wenn das Bildgebungssystem von optischer Beugung dominiert wird. Darüber hinaus zeigen wir, dass objektunabhängige linear-optische räumliche Verarbeitung des gesammelten Lichts genau diese ultimativen Fehlerquoten erreicht und eine überlegene Skalierung im Vergleich zur räumlich aufgelösten direkten Bildgebung zeigt, wenn die Szene stärker beugungsbegrenzt wird. Wir wenden unsere Ergebnisse auf Beispielbildszenarien an und finden Bedingungen, unter denen die Superauflösungsobjektunterscheidung physikalisch realisiert werden kann.