少数镜头训练的单镜头衍射神经网络用于全光学图像消极化
Optics express
|November 11, 2025
概括
这项研究引入了一种新的单镜头衍射神经网络 (SL-DNN) 用于图像消噪. 这种短暂训练的SL-DNN需要少得多的数据,并且比现有方法更好地泛化.
科学领域:
- 光学是什么?光学是什么?光学是什么?
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 衍射神经网络 (DNN) 提供高速模拟图像消噪.
- 现有的全光学DNN存在大量数据需求,普遍性差,复杂的多层结构等问题.
研究的目的:
- 开发一种新型的少数镜头训练单镜头DNN (SL-DNN),用于高效和普遍的图像消噪.
- 在数据需求和结构复杂性方面克服现有的全光学DNNs的局限性.
主要方法:
- 将DNN纳入单镜成像系统,以利用空间频率过的先验.
- 使用单一衍射层架构 (SL-DNN) 进行无声化.
- 在训练SL-DNN时,采用少量学习技术来训练SL-DNN.
主要成果:
- 与只使用一个衍射层的五层DNN相比,SL-DNN实现了优越的图像无色化性能.
- SL-DNN在各种数据集 (快速绘制,ECSSD) 上显著提高了概括能力,尽管进行了少量训练.
- 拟议的方法避免了与多层结构相关的对齐困难和衍射效率损失.
结论:
- SL-DNN 提供了一种更有效和更普遍的方法来实现光学图像消噪.
- 这种以物理学为灵感的方法为设计特定任务的视觉处理器提供了一个有希望的策略,用于像图像显示和投影这样的应用程序.
