本所声明 | 网站地图 | English | RSS订阅
本站查询
 
首页 概况 研究队伍 科研成果 人才教育 院地合作 国际交流 党建 产业 期刊 图情 信息公开 所务内网
新闻动态
图片新闻
头条新闻
综合新闻
学界嘹望
尚光阅读
学术活动
上光简讯
科研动态
通知公告
媒体扫描
历史追忆
现在位置:首页 > 新闻动态 > 科研动态
】 【打印】 【关闭

  上海光机所知识创新简报 

  (第四五〇期) 

  2018年9月27日 

  上海光机所在计算成像研究方面取得新进展 

  2018年9月,上海光机所信息光学与光电子技术实验室成功利用深度学习方法实现数字同轴全息恢复。该项研究提供了一种全新的能够应用于相位检测方面的基于深度学习方法的同轴全息重建方法。相关成果发表在9月3日的Optics Express 期刊上。 

  数字全息技术在许多科学领域都有着重要应用,而同轴数字全息技术因为能够充分利用相机的空间带宽积而被广泛应用在成像、检测、计量等领域。但由于同轴全息恢复受到了孪生像的限制,需要精确的相移技术、迭代恢复算法等技术对孪生像进行去除。最近,深度学习方法在计算成像领域方兴未艾,其已经被应用在计算鬼成像、自由空间相位恢复等方面。然而,深度学习方法在数字全息重建方面的可行性以及有效性仍然未被证实。 

  该课题组提出利用一种新的卷积神经网络(eHoloNet)(图一所示)从单幅的数字同轴全息图中恢复重建物体的波前。在实验中,研究人员首先利用激光照明已知的物体并采集相对应的数字同轴全息图。之后,这些数字同轴全息图被用来训练神经网络,从而可以帮助神经网络获取抽象的图像特征。一旦神经网络训练完成,研究人员可以利用训练好的神经网络从采集到的同轴全息图中重构出物体波前。课题组已经证明他们提出的神经网络eHoloNet可以成功的去除同轴全息中的孪生像并且可以从采集到的单幅同轴全息图中直接重构出物体波前(图二所示)。 

  原文链接 

  该工作由中国科学院前沿科学重点研究项目、国家自然科学基金、上海自然科学基金支持。 

 

  图一 研究人员提出的eHoloNet网络结构。 

  图二  同轴全息重建恢复结果。(a),(d)为采集到的数字同轴全息图; (b), (e)为利用神经网络恢复出的物体图像; (c), (f) 为目标物体图像。 


文章评论
发表评论
附件列表:
版权所有 ©2009 中国科学院上海光学精密机械研究所 沪ICP备05015387号
主办:中国科学院上海光学精密机械研究所 上海市嘉定区清河路390号(201800)(税号:121000004250121703)
转载本站信息,请注明信息来源和链接。