基于生成对抗网络的无透镜成像方法

摘要：

无透镜同轴全息图中包含零级像和孪生像噪声,采用基于菲涅耳衍射模型的方法进行抑制时需要多幅无透镜图像.针对此问题,提出一种基于生成对抗网络(GAN)的无透镜成像方法.首先计算部分相干光照明下无透镜图像的离焦距离,根据该离焦距离反向衍射传播,得到含零级像和孪生像的物平面图像.然后对该物平面图像与作为标准参考的商用显微镜图像进行配准,将配准后的图像作为GAN的训练样本,训练后得到GAN的核函数.最后用训练好的核函数对无透镜图像进行处理,得到清晰的目标图像.实验结果表明,所提方法可对零级像和孪生像有效抑制,图像的对比度和清晰度明显提高,效果可达4×商用显微物镜.所提方法在图像重建阶段只需单张无透镜图像且无需傅里叶变换等复杂操作,成像时间大大缩短.相比于基于卷积神经网络(CNN)的方法,所提方法需要的训练数据量更少,损失函数更易收敛,具有更高的处理效率.

关键词：成像系统、无透镜成像、深度学习、生成对抗网络、相位恢复、图像重建

所属期刊栏目：40

分类号：O438(光学)

资助基金：江苏省基础研究计划;江苏省重点研发计划;中国科学院光学系统先进制造技术重点实验室面上开放课题;南京理工大学自主科研项目

在线出版日期：2020-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：79-87