概括
一种名为LWNet的新方法使用单个强度测量来准确估计成像系统中的波面偏差. 这种轻量级的,基于学习的方法优于现有的方法,为光学工程应用提供了实际的解决方案.
科学领域:
- 光学和光学工程光学和光学工程.
- 计算成像技术的成像
- 在光学领域的机器学习.
背景情况:
- 波面偏差会偏离光线路径,影响成像质量.
- 准确的测量对于自适应光学,显微镜和眼科至关重要.
- 现有的波面传感器可能很昂贵,分辨率有限.
研究的目的:
- 介绍LWNet,这是一种基于学习的实用方法,用于波面偏差恢复.
- 从单个强度测量中启用波面偏差估计.
- 提供替代传统的,复杂的波纹传感技术.
主要方法:
- LWNet采用了两阶段的深度学习网络.
- 输入是一个测量的点差函数 (PSF).
- 监督和自我监督的学习阶段使用泽尼克分解来改进异常估计.
主要成果:
- LWNet成功地从模拟和真实成像系统中恢复波浪偏差.
- 该方法与以前基于学习的方法相比,显示出更高的性能.
- 通过光线追踪生成的合成数据集支持监督学习.
结论:
- LWNet提供了一个轻量级和有效的解决方案,用于波面偏差估计.
- 该方法即使在模拟数据上进行训练时也显示出稳定性.
- 简介:LWNet在光学工程和成像方面推进了实际应用.
