上海光机所在动态照明深度学习关联成像研究方面取得进展

By | 2020年7月25日

  近期,中国迷信院上海光学精细机器钻研所量子光学重点试验室提出一种实用于傅里叶变换联系关系成像零碎的深度学习网络模子,该办法可完成联系关系成像静态解码,样品只要单次暴光便可取得高品质图象。相干论文宣布正在Optics
Express上。

  最近几年来,基于深度学习的联系关系成像技巧正在光学成像畛域惹起了宽泛存眷,然而确定性照明以及屡次丈量依然是取得高品质重构图象的须要前提。但是,正在X射线显微、原子显微等实际成像进程中,辐照样品的照明散斑场往往是静态变动的。

  钻研团队行使傅里叶变换联系关系成像零碎的特性,提出了一种静态解码神经网络模子(Y-Net),只需训练进程以及成像进程的散斑场统计特点分歧,便可高品质重修样品图象,且样品只要单次暴光。因为网络具备静态解码特点,训练散斑场的空间散布能够齐全没有同于试验散斑场,因而能够采纳模仿数据训练网络,从而处理了惯例深度学习成像办法中的数据起源成绩。别的,该办法基于端对真个形式完成样品图象重构,从而防止了傅里叶成像中的相位规复成绩。该办法关于完成高分辩X射线成像显微使用具备首要意思,将明显晋升图象品质以及成像速率,无效缩小辐射伤害。

  相干钻研失去国度天然迷信基金严重科研仪器名目、国度重点研发方案名目的支持。

上海光机所在动态照明深度学习关联成像研究方面取得进展
基于深度学习的傅里叶变换联系关系成像原理(a)成像光路(b)网络数据流

上海光机所在动态照明深度学习关联成像研究方面取得进展
静态解码网络模子(Y-Net)及试验后果

编纂:严志祥

起源:上海光学精细机器钻研所