基于深度学习的光场显微像差校正
[基 于 深 度 学 习 的 光 场 显 微 像 差 校 正]作者机构:武汉工程大学计算机科学与工程学院 智能机器人湖北省重点实验室
出 版 物:《光学学报》 (Acta Optica Sinica)
年 卷 期:2024年第44卷第14期
页 面:90-99页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0803[工学-光学工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(51703071,61771353) 武汉市知识创新计划-基础研究(2022010801010350) 智能机器人湖北省重点实验室(HBIRL2022203) 信息探测与处理山西省重点实验室开放基金(2023001) 教育部数码激光成像与显示工程研究中心开放课题(SDGC2134) 武汉工程大学研究生创新基金(CX2022329,CX2022347) 武汉工程大学校长基金(XZJJ2023033)
主 题:几何光学 光场显微 深度学习 像差校正 高分辨率 相位恢复
摘 要:由于光场显微镜中透镜的固有缺陷以及样品折射率分布不均匀会引起光学像差,这严重影响光场显微成像的质量。引入光场解耦模块,解析获得光场的相位和强度信息;并设计用于光场显微像差校正的相位-强度双路径网络(PCANet)。实验结果表明,所提出的方法不仅可实现光场显微像差校正,而且重建出的图像具有高分辨率和清晰的细节边缘;相较于其他传统的图像超分辨率网络,所提方法重建结果的峰值信噪比(PSNR)和结构相似性指数(SSIM)分别提高了15.4%和11.7%。本研究为低成本光场显微像差校正提供了一种高效的方案。