计算成像:神经网络是加快成像的关键

2018-02-23

Computational imaging: neural networks key to faster imaging

Yair Rivenson, Yibo Zhang, Harun Günaydın, Da Teng & Aydogan Ozcan,and et al.

Citation: Light: Science & Applications (2018) 7, e17141;

doi:10.1038/lsa.2017.141
Published online 23 February 2018

文章概要:计算成像:神经网络是加快成像的关键

一种使用基于神经网络的深度学习的新方法可以导致更快和更准确的全息图像重建和相位恢复。诸如电荷耦合器件和互补金属氧化物半导体成像器的光电传感器对强度敏感,但不能直接检测从物体衍射的光波的相位。因此需要额外的信息或测量来恢复缺失的相位信息,这使得能够重建样品的图像。现在,来自美国加利福尼亚大学洛杉矶分校的Aydogan Ozcan和他的同事设计了一个神经网络,该神经网络可以从单一强度全息图进行相位恢复和全息图像重建。他们使用深度学习,证明消除了由缺失相位信息引起的双图像和自干涉相关的空间伪像。该技术可以显着简化成像硬件并加速各种全息和相干成像系统中的图像采集和重建过程。