使用基于深度学习的自动对焦和自动对焦扩展全息成像景深
2018-06-30
浏览量(163)
全息照相仅以记录强度的形式对样品的三维信息进行编码。然而,为了从其全息图像解码还原出原始样本图像,需要进行自动聚焦和相位恢复,这对于数字化处理而言通常是复杂且耗时的。本文展示了一种基于卷积神经网络的方法,该方法能够同时执行自动对焦和相位恢复,从而显著扩展景深和全息成像中的重建速度。为此,卷积神经网络通过使用随机散焦的后向传播全息图及其对应的相位恢复图像进行训练。在此训练阶段之后,卷积神经网络将三维样本的单次后向传播全息图作为输入信息,以快速实现相位恢复并在显著扩展的景深上重建样本的对焦图像。这种基于深度学习的自由度扩展方法是非迭代的,并且显著地将全息图像重建的算法时间复杂度从0(nm)提高到O(1),其中n是指样本体积内单个物体点或粒子的数量,m代表聚焦搜索空间,其中每个物体点或粒子需要单独聚焦。这些结果表面将机器学习应用于统计图像重建方法中的重要作用,本文所提出的方法可广泛适用于计算扩展其他成像模式的景深。
微信分享
x
用微信扫描二维码
分享至好友和朋友圈
分享至好友和朋友圈
免责声明:
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的,请在 20个工作日内与我们取得联系,联系方式:021-80198330。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。