計算成像研究方面取得新進展

2018年9月，中國科學院上海光學精密機械研究所信息光學與光電子技術實驗室成功利用深度學習方法實現數字同軸全息恢復。該項研究提供了一種全新的能夠應用於相位檢測方面的基於深度學習方法的同軸全息重建方法。相關成果發表在9月3日的Optics Express期刊上。

數字全息技術在許多科學領域都有著重要應用，而同軸數字全息技術因為能夠充分利用相機的空間帶寬積而被廣泛應用在成像、檢測、計量等領域。但由於同軸全息恢復受到了孿生像的限制，需要精確的相移技術、迭代恢復演算法等技術對孿生像進行去除。最近，深度學習方法在計算成像領域方興未艾，其已經被應用在計算鬼成像、自由空間相位恢復等方面。然而，深度學習方法在數字全息重建方面的可行性以及有效性仍然未被證實。

該課題組提出利用一種新的卷積神經網路（eHoloNet）（圖1所示）從單幅的數字同軸全息圖中恢復重建物體的波前。在實驗中，研究人員首先利用激光照明已知的物體並採集相對應的數字同軸全息圖。之後，這些數字同軸全息圖被用來訓練神經網路，從而可以幫助神經網路獲取抽象的圖像特徵。一旦神經網路訓練完成，研究人員可以利用訓練好的神經網路從採集到的同軸全息圖中重構出物體波前。課題組已經證明他們提出的神經網路eHoloNet可以成功去除同軸全息中的孿生像並且可以從採集到的單幅同軸全息圖中直接重構出物體波前（圖2所示）。

該工作由中科院前沿科學重點研究項目、國家自然科學基金、上海自然科學基金支持。

圖1 研究人員提出的eHoloNet網路結構。

圖2 同軸全息重建恢復結果。(a),(d)為採集到的數字同軸全息圖; (b), (e)為利用神經網路恢復出的物體圖像; (c), (f) 為目標物體圖像。

來源：中國科學院上海光學精密機械研究所

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！