无监督深度学习实现单次非相干全息3D成像
论文信息 背景引入 数字全息术因其能够从单一视点对3D场景进行成像而备受关注。与直接成像相比,数字全息是一种间接的多步骤成像过程,包括光学记录全息图和数值计算重建,为包括深度学习在内的计算成像方法提供了广泛的应用场景。近年来,非相干数字全息术因其成像分辨率高,无散斑噪声和边缘效应,低成本等优点而备受关注。目前,非相干全息术已被应用于孔径成像、超分辨成像、大景深成像和晶格光片显微成像。 近年来,深度学习已被应用于非相干数字全息术。然而,目前所有的报告都是基于数据驱动的监督学习方法,这些方法需要大量的配对标记数据,并且存在泛化不足等问题。为了解决上述挑战,本文提出了一种无训练神经网络先验的单次非相干全息自校准3D重建方法,称为SC-RUN。SC-RUN可以提高点扩散函数(PSF)的保真度和信噪比,只需单个全息图就可以实现3D对象的高保真度和无伪影重建。本文以无干涉编码孔径相关全息术(I-COACH)成像为例,清楚地展示了SC-RUN的效果。 |