联合优化编码的光圈超表面和残余自我注意网络,用于快照全斯托克斯成像

科学领域:

• 光学和光子学 在光学和光子学.
• 计算成像技术的成像
• 材料科学 材料科学 材料科学

背景情况:

• 传统的全斯托克斯极化成像方法通常需要机械运动或系统细分,导致时间或空间分辨率降低.
• 实现全斯托克斯向量的同时像素级编码对于推进极化成像技术至关重要.
• 超表面为多维光场控制提供了先进的功能,为新的成像解决方案提供了机会.

研究的目的:

• 提出一种编码的光圈超表面,能够在单次成像中实现四个斯托克斯向量的像素级编码.
• 设计一个深度学习网络,以高保真度恢复编码的极化图像.
• 为了证明对紧的计算成像系统的超表面编码和图像恢复的联合优化.

主要方法:

• 一个编码的光圈超表面被设计用于执行全斯托克斯向量的像素级编码.
• 一个斯托克斯残留自我注意网络,结合了通道智能的自我注意机制,被开发用于图像恢复.
• 进行了超表面编码过程和神经网络参数的联合优化,利用超表面极化控制的可分化性质.

主要成果:

• 拟议的超表面成功实现了四个斯托克斯向量的单个会话,像素级编码.
• 斯托克斯残留自我注意网络有效地恢复了编码的图像,减轻了斯托克斯向量之间的强度差异.
• 联合优化使高质量的极化成像成为可能,展示了系统的性能.

结论:

• 超表面为开发紧的计算全斯托克斯成像系统提供了一个灵活和可设计的平台.
• 将超表面编码与基于深度学习的图像恢复集成为先进的极化成像提供了一个有前途的方法.
• 这项工作突出了用于各种科学和工业应用的超表面启用计算成像的潜力.