作者单位
摘要
1 北京航空航天大学 仪器科学与光电工程学院, 北京 100191
2 中国人民解放军61206部队, 北京 100042
在UNet框架中集成SENet权重标定学习机制,设计了USENet实现图像超分辨重构.网络以对称拓扑叠加残差运算,通过多尺度卷积窗口增强模型精度与泛化能力,为图像特征通道引入权重标定算法以提升兴趣区域的估算置信度.结果表明,该模型能够明显改善输入样本的细节特征,已将验证集与真实图像的结构相似性从平均0.770 2提升至0.942 7.根据实验组和不带标定层的对照组重建图像对比显示,标定层可进一步在全局图像中将兴趣区域从平均0.965 5提升至0.970 3.
数字全息显微 超分辨 深度学习 神经网络 生物细胞 Digital holography microscopy Super-resolution Deep learning Neural networks Biological cells 
光子学报
2020, 49(6): 0610001
作者单位
摘要
1 广东理工职业学院 工程技术学院, 广州 510091
2 广东理工职业学院 教务处, 广州 510091
3 河北工程大学 数理科学与工程学院, 河北 邯郸 056038
为了解决数字全息显微术相位重建中的欠采样问题, 引用一种基于横向剪切干涉术的改进型最小二乘法相位展开算法, 并与基于离散余弦变换的原始最小二乘法算法以及质量图导向路径算法进行比较。采用欠采样高斯函数进行计算机模拟, 并进行了实验验证, 结果表明了横向剪切干涉术方法的有效性。上述改进型最小二乘法相位展开算法在解决包裹相位图中的欠采样问题更有效, 从而能够更精准地重建物体的相位信息。
信息光学 数字全息显微术 横向剪切干涉 欠采样 相位展开 information optics digital holography microscopy lateral shearing interferometry undersampling phase unwrapping 
光学技术
2020, 46(1): 56

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!