1 哈尔滨工业大学(深圳)计算机科学与技术学院, 广东 深圳 518055
2 清华大学深圳国际研究生院, 广东 深圳 518055
傅里叶叠层成像技术(FP)可重构出宽视场、高分辨率的物体幅值和相位分布,随着深度学习技术的不断发展,神经网络已成为求解计算成像中非线性逆问题的重要手段之一。针对FP系统数据特异性强、数据量少等特点,提出了一种结合计算成像先验知识和深度学习的算法,设计了基于物理模型的神经网络框架,并对仿真样本进行了验证。此外,还搭建了远场透射系统,对宏观物体的图像序列进行FP重建验证。实验结果表明,该系统能用有限的仿真与真实数据集重构出高分辨率样本的复振幅分布,且对光学像差与背景噪声的鲁棒性较强。
成像系统 傅里叶叠层成像技术 光学超分辨率 计算成像 深度学习 激光与光电子学进展
2021, 58(18): 1811020
大连海事大学信息科学与技术学院, 辽宁 大连 116026
傅里叶叠层成像是一种新型的大视场、超分辨率显微成像技术。建立了宏观傅里叶叠层成像的物理与数学模型,给出了傅里叶叠层重建算法。搭建了实验系统,将傅里叶叠层成像技术应用于宏观成像领域,开展了实验研究。实验表明,宏观傅里叶成像方法能够大幅提高成像系统的分辨率。该技术在航空侦察和远距离成像等领域中具有潜在的应用价值。
成像系统 光学超分辨率 傅里叶叠层成像 激光与光电子学进展
2019, 56(12): 121101
