1 合肥工业大学计算机与信息学院, 安徽 合肥 230601
2 天津津航技术物理研究所, 天津 300192
散射介质会改变光子的传播方向和传输路径, 导致成像质量下降甚至形成散斑。理论上, 散射介质的传输矩阵可以被用来恢复目标信息, 但是求解传输矩阵的过程十分复杂, 而且精度也受较多因素的影响。近年来, 迅速发展的深度学习技术为解决散射光场成像问题提供了新思路, 其作为一种求解逆问题的常用方法可以准确恢复目标信息、提高成像质量, 在散射光场成像领域发挥着重要作用并涌现出了一系列突出的科研成果。基于深度学习算法中的监督学习和无监督学习, 总结了现阶段基于深度学习算法的散射光场成像技术的研究进展, 并从深度学习技术的网络结构、成像质量、泛化性等方面分析比较了各类智能算法成像技术性能。最后, 分析了基于深度学习算法的散射光场成像技术的优势及面临的挑战, 并展望了该领域未来可能的发展趋势。
信息光学 散射光场成像 目标重建 深度学习 散射介质 information optics scattering imaging target reconstruction deep learning scattering media
1 合肥工业大学仪器科学与光电工程学院, 安徽 合肥 230009
2 合肥工业大学计算机与信息学院, 安徽 合肥 230009
计算成像是一种不仅依赖于光学物理器件,还依赖于光学调制和重构算法的成像技术,为突破传统成像系统在时空分辨率和探测灵敏度方面的限制提供了新的思路。计算鬼成像(CGI)作为计算成像领域发展最迅速的分支之一,近些年被广泛应用于单像素成像、超分辨率成像、生物医学、信息加密、激光雷达以及湍流环境下的信息传输等领域。本文综述了影响CGI质量的两大关键技术——照明图案构造方法与图像重构算法的研究进展,主要介绍了随机矩阵、有序Hadamard矩阵、正交变换类矩阵的构造方法,并且讨论了在传统关联重构算法和新型深度学习重构算法下,各种照明图案的成像性能。最后,对照明图案构造方法及重构算法进行了总结,并对CGI技术发展前景进行了展望。
成像系统 计算鬼成像 照明图案 重构算法 成像质量 激光与光电子学进展
2021, 58(18): 1811011
红外与激光工程
2020, 49(6): 20201013