NeuHolo:使用神经场进行3D计量的一次性全息成像的非干涉计量定量化成像

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
• 机器学习应用 机器学习应用

背景情况:

• 量化全息成像通常使用对干扰敏感的干扰度设置.
• 现有的非干涉测量方法需要多次测量或对象支持来进行复杂的振幅重建.

研究的目的:

• 开发一个强大的,非干扰测量全息成像框架,用于定量复杂的幅度重建.
• 为了从单个测量中实现高精度的3D表面表征.

主要方法:

• 神经场网络与随机相调节的集成.
• 无监督深度学习用于从单次强度测量中估计振幅和相位.
• 物理参数的自动校准,以提高强度.

主要成果:

• 在没有对象支持的情况下,NeuHolo可以定量估计振幅和相位.
• 在复杂的振幅检索中实现了高精度和大视野.
• 通过自动物理参数校准来证明强度.

结论:

• 诺霍洛为定量全息成像提供了一种强大的非干扰度解决方案.
• 该框架为3D表面表征提供了一个强大的工具,具有潜在的工业应用.