1 中国科学技术大学物理学院，安徽 合肥 230026
2 南京航空航天大学自动化学院，江苏 南京 211106
3 中国科学技术大学工程学院，安徽 合肥 230026
4 精密科学仪器安徽普通高校重点实验室，安徽 合肥 230026
在光声断层成像中，通常利用超声换能器阵列接收光声信号，其制造成本较高，并且阵元数量对最终成像质量有重要影响。为了提升稀疏视角下光声重建的图像质量，提出了一种基于改进的U-Net神经网络结构的稀疏视角光声图像质量增强方法，该方法采用的改进的U-Net网络的特点在于通过添加连续卷积层替换跳接层，提升编码器和解码器拼接特征的匹配度；同时利用了基于多尺度结构相似性指数的损失函数对网络进行训练。基于仿体数据集和活体数据集的实验结果表明，改进的U-Net网络具有很好的图像细节重建能力，其所得的重建图像质量优于经典的U-Net网络。
激光与光电子学进展
2022, 59(6): 0617022
浙江大学现代光学仪器国家重点实验室, 浙江 杭州 310027
离焦模糊图像的清晰度较低，因此必须对其进行复原。传统方法通常采用圆盘或高斯函数来近似离焦造成的点扩散函数，复原效果不够理想。为此，提出利用哈特曼夏克波前传感器探测离焦波前，根据所得波前计算光学系统的点扩散函数，并采用Richardson-Lucy算法对模糊图像进行复原。搭建了实验用的光学系统，采集了离焦模糊图像以及相应的波前信息，获得了清晰的复原图像，并利用客观图像评价方法对退化图像和复原图像进行了评价，同时与传统方法得到的复原图像进行了比较。实验结果表明，该方法能精确重建点扩散函数，有效提高图像的质量。
成像系统 离焦复原 哈特曼夏克波前传感器 图像模糊 点扩散函数
