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。 方法原理 ![]() 图1 非干涉编码孔径关联全息术装置 非相干光源的光被透镜L1聚焦以照射物体。物体位于透镜L2的前焦平面Z3附近,使得物体可以被认为位于CPM的远场中。加载了编码相位的SLM位于透镜L2距离d处,SLM前加偏振片P。由于I-COACH的成像模型在强度上是线性空间不变,因此传感器记录的物体全息图可以被视为无数个物点全息图的非相干强度叠加,因此,可以先对一个物点的光场进行理论分析,然后通过卷积或叠加得到多物点物体的成像模型。 ![]() 图2 SC-RUN—校准点扩散函数结构 ![]() 图3 SC-RUN—基于无训练神经网络先验的单次成像结构 ![]() 图4 SC-RUN—基于无训练神经网络先验的单次3D成像结构 系统光路 多通道I-COACH实验系统如图5所示,其中振幅型空间光调制器的产品参数如下表所示。 ![]() 图5 I-COACH实验装置 本实验所采用的空间光调制器为我司的TSLM07U-A,其参数规格如下:
|