通过富里埃-ADMM网络进行无镜头成像,使用具有成本效益和易于制造的相位面罩

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
• 机器学习用于成像.

背景情况:

• 无镜头成像系统提供了小型化和成本降低的潜力.
• 传统的无镜头成像经常遭受图像质量问题,如低对比度和信号噪声比.
• 阶段面罩制造可能是复杂和昂贵的,限制了实际应用.

研究的目的:

• 引入一个改进的里埃-ADMM算法 (里埃-ADMM网络),用于在无镜头成像中增强图像重建.
• 为无镜头成像系统开发一种具有成本效益且易于制造的相罩.
• 以简化相罩和先进的计算方法来证明实现高质量的成像的可行性.

主要方法:

• 将反向传播过程集成到Fourier-ADMM算法中,以创建Fourier-ADMM网络.
• 使用廉价材料和可访问的工具设计和制造简化的相罩.
• 实验验证福里埃-ADMM网络从使用简化相罩获得的数据中重建高质量的图像的能力.

主要成果:

• 里埃-ADMM网络有效地减轻了简化相罩引起的图像质量下降 (低对比度,低于最佳SNR).
• 制造的相罩是廉价的,容易生产,不需要专门的设备.
• 实验结果显示高质量的成像和快速响应时间使用相机与简化的相罩和先进的解码网络.

结论:

• 开发的福里埃-ADMM网络显著提高了使用简化相罩的无镜头成像系统的性能.
• 具有成本效益和易于制造的光学组件,当与先进的AI算法配对时,可以实现高保真度成像.
• 这种方法通过减少硬件复杂性和成本,使先进的成像能力民主化.