上海光機所在動態(tài)照明深度學習關聯(lián)成像研究方面取得進展
近期，中國科學院上海光學精密機械研究所量子光學重點實驗室提出一種適用于傅里葉變換關聯(lián)成像系統(tǒng)的深度學習網(wǎng)絡模型，該方法可實現(xiàn)關聯(lián)成像動態(tài)解碼，樣品只需單次曝光即可獲得高質(zhì)量圖像。相關論文發(fā)表在Optics Express上。 ;Xh5oB\)W
5Jd `
^U
近年來，基于深度學習的關聯(lián)成像技術在光學成像領域引起了廣泛關注，但是確定性照明和多次測量仍然是獲得高質(zhì)量重構圖像的必要條件。然而，在X射線顯微、原子顯微等實際成像過程中，輻照樣品的照明散斑場往往是動態(tài)變化的。 ^?sSx!:bZ
OequU'j
研究團隊利用傅里葉變換關聯(lián)成像系統(tǒng)的特點，提出了一種動態(tài)解碼神經(jīng)網(wǎng)絡模型（Y-Net），只要訓練過程和成像過程的散斑場統(tǒng)計特性一致，即可高質(zhì)量重建樣品圖像，且樣品只需單次曝光。由于網(wǎng)絡具有動態(tài)解碼特性，訓練散斑場的空間分布可以完全不同于實驗散斑場，因此可以采用模擬數(shù)據(jù)訓練網(wǎng)絡，從而解決了常規(guī)深度學習成像方法中的數(shù)據(jù)來源問題。此外，該方法基于端對端的方式實現(xiàn)樣品圖像重構，從而避免了傅里葉成像中的相位恢復問題。該方法對于實現(xiàn)高分辨X射線成像顯微應用具有重要意義，將顯著提升圖像質(zhì)量和成像速度，有效減少輻射損傷。 @WJf)
'8={ sMy
[attachment=101721] 5*XH6g F
基于深度學習的傅里葉變換關聯(lián)成像原理（a）成像光路（b）網(wǎng)絡數(shù)據(jù)流 }#|2z}!
h/9S g*k
[attachment=101722] 9/Wn!Ld
動態(tài)解碼網(wǎng)絡模型（Y-Net）及實驗結果 +Wd L
相關研究得到國家自然科學基金重大科研儀器項目、國家重點研發(fā)計劃項目的支持。 x Zg7Jg
@|'Z@>!/pV
論文鏈接：https://www.osapublishing.org/oe/abstract.cfm?uri=oe-28-12-17556
|
