基于金属和神经网络联合集成的全彩成像系统

科学领域:

• 光学和光子学 在光学和光子学.
• 人工智能的人工智能
• 图像处理 图像处理

背景情况:

• 传统的镜头面临着尺寸和重量的限制,阻碍了光学系统的微型化.
• 金属镜片提供了小型化潜力,但遭受了色谱偏差,降低了图像质量.
• 使用金属镜头实现高保真成像需要解决色彩扭曲问题.

研究的目的:

• 通过共同优化无色金属和神经网络来开发高质量的成像系统.
• 为了克服金属感应所固有的色态偏差限制.
• 为了使可见光谱中的高分辨率全彩成像成为可能.

主要方法:

• 神经网络和无色金属体的端到端联合优化.
• 使用多级编码器-解码器网络架构.
• 优化金属相特性和神经网络超参数.

主要成果:

• 实现了高分辨率图像,平均峰值信号噪声比 (PSNR) 为28.53.
• 恢复图像的平均结构相似度指数 (SSIM) 达到0.83.
• 在可见波段展示了全彩色,高性能成像能力.

结论:

• 联合优化方法有效地纠正金属感应器中的色谱偏差.
• 这种方法可以实现高质量的小型化成像系统.
• 潜在的应用包括医学成像,遥感和消费电子产品.