通过应用基于弗雷内尔的无监督神经网络进行任意像素大小 (FUNNAPS) 传播的高动态范围图形学
Optics express
|September 23, 2025
概括
高动态范围的图解学通过使用一种新型的神经网络克服了分辨率限制. 这种技术增强了有效的数值光圈,并调整了像素大小,以便在材料科学和生物成像中获得更优质的成像.
科学领域:
- 光学和成像技术的发展
- 材料科学 材料科学 材料科学
- 生物技术是生物技术.
背景情况:
- 图形学是一种无透镜相位检索方法,对材料科学,生物成像和半导体检查至关重要.
- 由于探测器深度,当前的图形图像分辨率受到重建的像素大小和有限的有效数值光圈 (NA) 的限制.
研究的目的:
- 引入一种新的高动态范围图解学方法.
- 为了克服传统的图形摄影技术的分辨率限制.
主要方法:
- 基于弗雷内尔的无监督神经网络的开发,用于任意像素大小 (FUNNAPS) 的传播.
- 实施FUNNAPS以实现高效的NA和像素大小调整.
主要成果:
- 通过FUNNAPS证明了高动态范围的图形学.
- 实现了接近理论分辨率限制的重建.
- 成功调整了像素大小,并增强了有效的NA.
结论:
- 拟议的FUNNAPS方法有效地提高了图形图像的分辨率.
- 该方法为高分辨率成像应用提供了显著的进步.
- FUNNAPS提供了一条途径,以超越目前的解像度障碍.


