在不同扩散条件和投射模式下使用不连贯光的分散图像的数据集
Roger Chiu-Coutino1,2, Miguel S Soriano-Garcia3, Carlos Israel Medel-Ruiz1
1Departamento de ciencias exactas y tecnología, Centro universitario de los Lagos, Universidad de Guadalajara, Enrique Díaz de León 1144, Lagos de Moreno, 47463, Jalisco, México.
Data in brief
|February 20, 2026
概括
这项研究引入了使用低成本的Raspberry Pi光学系统捕获的分散图像的新数据集. 这些数据有助于光学深度学习,用于复杂的散射环境中的图像恢复.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 光的散射在光学成像和反向问题中带来了挑战.
- 开发强大的图像恢复模型需要多样化和复杂的数据集.
- 为了更广泛的参与研究,需要低成本,易于使用的光学系统.
研究的目的:
- 为了呈现一个新的分散图像的实验数据集.
- 支持深度学习的研究,以解决光学中的反向问题.
- 为了促进图像恢复模型的培训和基准测试.
主要方法:
- 使用基于Raspberry Pi的光学系统进行图像采集.
- 通过各种光学扩散器投射不同的图案,具有不同的散射特性.
- 在256x256分辨率下捕捉到的分散图像和原始图案的对 (地面真相).
主要成果:
- 创建了一个包含几何形状,数字和纹理的数据集.
- 数据集包括各种散射模式和光学复杂度.
- 为评估图像恢复算法提供了地面真相数据.
结论:
- 该数据集对于在光学反向问题中推进深度学习是有价值的.
- 能够开发和测试用于散射介质的图像恢复模型.
- 促进低成本光学成像系统的研究.
