有效的混合偏差空间校准的3D网络,用于基于液态镜头的衍射光谱成像.

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
• 人工智能在成像中的使用

背景情况:

• 液晶透镜衍射光谱成像提供了小型化潜力,但由于偏差和空间变化而面临图像退化.
• 现有的方法很难有效地纠正这些综合性降解,从而限制了性能.

研究的目的:

• 开发一种高精度和高效的计算方法,用于从基于液态镜头的衍射系统中重建高质量的光谱图像.
• 为了解决微型光谱成像中异常和空间变异引起的图像退化问题.

主要方法:

• 提出了一个混合偏差空间校准3D (HASC3D) 网络,将一个新的校准模块与一个3D卷积增强的U-Net.Net集成在一起.
• 开发了一种定制的成像系统,使用衍射镜头和可调节的液态镜头进行九通道多光谱重建 (510-590 nm,10 nm分辨率).

主要成果:

• 与传统算法相比,HASC3D网络显著提高了光谱图像重建质量.
• 实现了 24.67 dB 的峰值信号噪声比 (PSNR) 和 0.67 的结构相似度指数 (SSIM) 对重建的图像.
• 证明了对偏差和空间变化的有效校正,从而带来了卓越的成像性能.

结论:

• 在基于液态镜头的系统中,HASC3D算法为高性能光谱图像重建提供了一个有前途的解决方案.
• 这一进步为紧,便携和高质量的光谱成像技术铺平了道路.
• 拟议的方法显示了各种需要微型光谱成像的应用的强大潜力.