光学学报 丨 2024-01-11
分布式光纤传感技术研究和应用的现状及未来中国激光 丨 2024-01-24
超构表面:设计原理与应用挑战(特邀)中国激光 丨 2024-01-17
国家自然科学基金光学和光电子学学科项目申请资助分析和规划展望(特邀)中国激光 丨 2024-01-19
薄膜铌酸锂光电器件与超大规模光子集成(特邀)光学学报 丨 2023-12-29
量子行走傅里叶叠层显微术(FPM)是最近开发的成像方法,旨在规避空间带宽积(SBP)的限制并获得具有宽场和高分辨率的复杂图像。到目前为止,在已经提出用于解决FPM重建问题的许多算法中,瞳孔函数被设置为固定值,例如系统的相干传递函数(CTF)。然而,FPM成像系统中光学组件的瞳孔像差会显著降低重建结果的质量。在本文中,研究人员构建了一个可训练网络(FINN-P),它将瞳孔恢复与基于TensorFlow的FPM前向成像过程相结合。样本和瞳孔函数的光谱都被视为二维(2D)可学习的图层权重。因此,通过最小化训练过程中的损失函数,可以同时获得复杂对象信息和瞳孔函数。模拟数据集用于验证瞳孔恢复的有效性,并且对开源测量数据集的实验表明,即使存在大的像差,该方法也可以实现更好的重建结果。另外,在进一步分析系统光传输能力之前,恢复的瞳孔功能可以用作良好的估计。
图1.典型的傅立叶叠层显微术的示意图。
原文链接本文受译者委托,享有该文的专有出版权,其他出版单位或网站如需转载,请与本站联系,联系email:mail#opticsjournal.net。(为防止垃圾邮件,请将#换为@)否则,本站将保留进一步采取法律手段的权利。