科技动态

上海光机所在计算成像研究方面取得新进展

发布:Photonicseditor阅读:2358时间:2018-10-9 21:14:58

2018年9月,中国科学院上海光学精密机械研究所信息光学与光电子技术实验室成功利用深度学习方法实现数字同轴全息恢复。该项研究提供了一种全新的能够应用于相位检测方面的基于深度学习方法的同轴全息重建方法。相关成果发表在9月3日的Optics Express 期刊上。

数字全息技术在许多科学领域都有着重要应用,而同轴数字全息技术因为能够充分利用相机的空间带宽积而被广泛应用在成像、检测、计量等领域。但由于同轴全息恢复受到了孪生像的限制,需要精确的相移技术、迭代恢复算法等技术对孪生像进行去除。最近,深度学习方法在计算成像领域方兴未艾,其已经被应用在计算鬼成像、自由空间相位恢复等方面。然而,深度学习方法在数字全息重建方面的可行性以及有效性仍然未被证实。

该课题组提出利用一种新的卷积神经网络(eHoloNet)(图1所示)从单幅的数字同轴全息图中恢复重建物体的波前。在实验中,研究人员首先利用激光照明已知的物体并采集相对应的数字同轴全息图。之后,这些数字同轴全息图被用来训练神经网络,从而可以帮助神经网络获取抽象的图像特征。一旦神经网络训练完成,研究人员可以利用训练好的神经网络从采集到的同轴全息图中重构出物体波前。课题组已经证明他们提出的神经网络eHoloNet可以成功去除同轴全息中的孪生像并且可以从采集到的单幅同轴全息图中直接重构出物体波前(图2所示)。

该工作由中科院前沿科学重点研究项目、国家自然科学基金、上海自然科学基金支持。

论文链接

图1 研究人员提出的eHoloNet网络结构。

图2 同轴全息重建恢复结果。(a),(d)为采集到的数字同轴全息图; (b), (e)为利用神经网络恢复出的物体图像; (c), (f) 为目标物体图像。

来源:上海光学精密机械研究所

> 免责声明
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如对文、图等版权问题存在异议的,请于20个工作日内与我们取得联系,我们将协调给予处理(按照法规支付稿费或删除),联系方式:021-69918579。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。 最终解释权归《中国激光》杂志社所有。

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!