TSMPN-PSI:基于三级多管道网络的高性能极化散射成像

科学领域:

• 光学和光子学 在光学和光子学.
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 极化成像比传统的强度成像具有优势,特别是在散射环境中.
• 深度学习 (DL) 已经推进了极化散射成像 (PSI),但散射介质仍然会降低对象信息.
• 现有的方法在分散引起的信息丢失中扎,限制了PSI的性能.

研究的目的:

• 探索多极化特征学习策略与PSI性能之间的关系.
• 提出一个新的多极化驱动多管道 (MPDMP) 框架,以加强PSI.
• 开发一种深度学习架构,用于强大的极化散射成像.

主要方法:

• 一个多极化驱动的多管道 (MPDMP) 框架被开发出来,从极化特征地图中提取层次表示.
• 一个三级多管道网络 (TSMPN) 架构,名为TSMPN-PSI,是为PSI设计的.
• 使用现实世界的极化散射成像系统来收集用于模型训练和验证的数据集.

主要成果:

• 与现有方法相比,提议的TSMPN-PSI框架显示出优越的泛化性能.
• 实验显示,PSI在不同的成像距离,目标结构和材料组成方面得到了改进.
• 该方法有效地重建目标信息,即使在分散介质的显著降解下.

结论:

• 开发的MPDMP框架为极化散射成像提供了一种新的方法.
• TSMPN-PSI模型显示了PSI实际应用的巨大潜力.
• 这项工作在具有挑战性的散射条件下推进了计算成像领域.