中照網logo

>首頁 >正文

上海光機所在動態照明深度學習關聯成像研究方面取得進展

2020-07-08    

中國照明網報道

9953

導語: 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成像系統的深度學習網絡模型,該方法可實現關聯成像動態解碼,樣品只需單次曝光即可獲得高質量圖像。相關論文發表在Optics Express上。

  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成像系統的深度學習網絡模型,該方法可實現關聯成像動態解碼,樣品只需單次曝光即可獲得高質量圖像。相關論文發表在Optics Express上。

  近年來,基于深度學習的關聯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變化的。

  研究團隊利用傅里葉變換關聯成像系統的特點,提出了一種動態解碼神經網絡模型(Y-Net),只要訓練過程和成像過程的散斑場統計特性一致,即可高質量重建樣品圖像,且樣品只需單次曝光。由于網絡具有動態解碼特性,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據訓練網絡,從而解決了常規深度學習成像方法中的數據來源問題。此外,該方法基于端對端的方式實現樣品圖像重構,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,將顯著提升圖像質量和成像速度,有效減少輻射損傷。

  相關研究得到國家自然科學基金重大科研儀器項目、國家重點研發計劃項目的支持。

上海光機所在動態照明深度學習關聯成像研究方面取得進展
基于深度學習的傅里葉變換關聯成像原理(a)成像光路(b)網絡數據流

上海光機所在動態照明深度學習關聯成像研究方面取得進展
動態解碼網絡模型(Y-Net)及實驗結果

編輯:嚴志祥

來源:上海光學精密機械研究所

標簽:上海光機所  動態照明  關聯成像  進展  

只有登錄之后才可以評論,請點擊這里評論

在線評價

表情

輸入驗證碼:   

驗證碼

發表評論

smile
掃一掃
二維碼
  • 手機網 手機網
  • 微信公眾號 微信公眾號
Top
中國照明網官方在線QQ咨詢:AM 9:00-PM 6:00
廣告/企業宣傳推廣咨詢:
活動/展會/項目合作咨詢: 市場部
新聞/論文投稿/企業專訪: 李先生
媒體合作/推廣/友情鏈接: 市場部

中國照明網網友交流群:2223934、7921477、9640496、11647415

中國照明網照明設計師交流群:2223986、56251389

中國職業照明設計師QQ群:102869147

X
河南22选5开奖公告284