1 哈尔滨工业大学物理学院,黑龙江 哈尔滨 150001
2 天津工业大学物理科学与技术学院,天津 300387
为克服扫描计算成像系统测量和计算速度慢的缺点,综述一些快速计算成像技术,从测量和计算方面论述提高速度的方法。在基于光场调制的计算光学成像法中,介绍轴向扫描、横向扫描、多波长扫描、散射介质、多距离等调制方式。针对快速定量相位成像技术,介绍定量相位成像方法、基于Kramers-Kronig关系的快速定量相位成像方法、基于对角扩展采样的计算成像方法、基于对称照明的单帧计算成像方法。针对自动聚焦技术,介绍自动聚焦技术分类、核心算法、基于Tanimoto系数和多相梯度绝对值的自动聚焦方法、基于特征区域提取和细分搜索的快速自动聚焦方法。
计算光学成像 调制成像 定量相位成像 自动聚焦 激光与光电子学进展
2024, 61(2): 0211007
1 光电控制技术重点实验室, 河南 洛阳 471000
2 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
矢量像差理论表明, 一个已经校正过初级像差的光学系统, 在微小失调量状态下仍会出现特定的像差表现, 而工作在恶劣环境下的机载、星载光学系统这种情况尤为明显。波前编码技术已被证实对一阶、三阶像差有一定的钝化作用, 基于波前编码原理, 从矢量像差的角度研究了三次相位板对光学系统失调产生像散的钝化作用, 并以卡式折反系统为例做了仿真验证。研究显示, 波前编码计算成像系统对于元件倾斜引起的失调像散不敏感, 系统轻微失调时仍能保持良好的成像效果, 这对于降低光学系统的装调难度以及增强机载、星载光学系统的环境适应性具有一定的意义。
计算光学成像 波前编码 矢量像差 像差钝化 computational imaging wavefront coding vector aberration aberration passivation
1 光场调控与信息感知工业和信息化部重点实验室, 西北工业大学, 陕西 西安 710129
2 陕西省光信息技术重点实验室, 西北工业大学物理科学与技术学院, 陕西 西安 710129
近年来,深度学习技术的爆发式发展引领了机器学习的又一次浪潮。深度神经网络具备抽象特征的高效识别与提取能力、强大的非线性拟合能力、抗干扰鲁棒性及非凡的泛化能力,被广泛应用于自动驾驶、目标识别、机器翻译、语音识别等领域。最近几年,卷积神经网络(CNN)在光学信息处理中获得广泛应用,本文介绍CNN的基础概念和结构构成,回顾其在数字全息术、条纹分析、相位解包裹、鬼成像、傅里叶叠层成像、超分辨显微成像、散射介质成像、光学层析成像等领域的最新应用进展,评述CNN在光学信息处理中的典型应用特点,最后分析CNN应用于光学信息处理中的不足,并展望其未来发展。
光计算 光学信息处理 深度学习 卷积神经网络 计算光学成像 信息光学 激光与光电子学进展
2021, 58(16): 1600001