高分辨率的单光子成像与基于物理的深度学习
Liheng Bian1,2, Haoze Song3, Lintao Peng3
1MIIT Key Laboratory of Complex-field Intelligent Sensing, Beijing Institute of Technology, Beijing, 100081, China. bian@bit.edu.cn.
Nature communications
|September 22, 2023
概括
深度学习使用SPAD传感器增强单光子成像,提高分辨率和图像质量. 这种方法有效地减少噪音,并从低质量的输入中重建高细节图像.
科学领域:
- 光子学和成像科学 影像学和成像科学
- 科学仪器仪表中的人工智能
- 深度学习用于信号处理.
背景情况:
- 高分辨率的单光子成像受到硬件复杂性和噪声的阻碍.
- 现有的方法在SPAD数据中难以处理低位深度,低分辨率和大量噪声.
研究的目的:
- 开发一种深度学习框架,用于使用SPAD传感器进行超高分辨率单光子成像.
- 在具有挑战性的SPAD成像场景中增强比特深度和整体成像质量.
主要方法:
- 使用复杂的光子流模型来表征SPAD电子噪声.
- 创建并使用大规模合成数据集来训练深度学习模型.
- 开发了一个深度变压器网络,具有自我注意力和封闭的融合,用于消除噪音和提取细节.
主要成果:
- 成功演示了超分辨率成像,并增强了比特深度和质量.
- 深层变压器网络有效地消除了多源噪声,并恢复了全部频率细节.
- 在微流体检查和富里埃图谱等实验应用中实现了最先进的性能.
结论:
- 深度学习集成显著提升了基于SPAD的超高分辨率成像能力.
- 提出的方法提供了一个强大的解决方案,可以克服低质量的单光子数据的局限性.
- 这种技术对各种需要SPAD传感器高保真成像的应用具有前景.
