基于双波长成像和神经网络的相关重建机制
1School of Electrical and Information Engineering, Changshu Institute of Technology, Changshu, 215500, China.
Scientific reports
|December 2, 2024
概括
这项研究引入了一种新的双波长成像方法,使用神经网络来改进对象重建. 通过双波长成像和自动编码神经网络 (CSCFR-DWI-AENN) 的压缩传感相关融合重建方法提高了图像的细节性和准确性.
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
- 图像重建 图像的重建
背景情况:
- 自然光场成像通常使用混合波长,对人类视觉要求构成挑战.
- 现有的重建方法可能无法完全捕捉对象的细节或确保准确性.
研究的目的:
- 提出一种基于双波长成像和神经网络的相关性重建方法.
- 为了提高重建对象图像的质量,细节和可靠性.
主要方法:
- 通过双波长成像和自动编码神经网络 (CSCFR-DWI-AENN) 开发了一种压缩感应相关联聚变重建.
- 使用双波长照明通过光学多重处理器单元 (OMU).
- 采用压缩传感幽灵成像,以照明场分布为预先信息,结合自编码器神经网络来降低噪音和NSML算法来进行融合.
主要成果:
- 拟议的CSCFR-DWI-AENN方法证明了优越的综合物体图像重建.
- 实现完整的详细信息的复制,导致更准确,更可靠的对象描述.
- 使用非参考图像质量指标 (EN,MI,EAV,SF) 的比较分析验证了算法的有效性与单波长和直接双波长方法相比.
结论:
- CSCFR-DWI-AENN算法为多波长成像技术提供了显著的进步.
- 为成像技术的未来发展提供了理论基础,并展示了强大的应用前景.
- 该方法有效地重建高准确度和细节的对象图像.
