ht 大規(guī)模相位復原技術背景：獲取更多的信息一直是成像領域研究人員的追求目標。更多的信息意味著更大視場，更高的空間分辨率、時間分辨率，更多的空間維度，需要相位信息等。如RUSＨ(傳送門1)、傅里葉疊層成像等都是基于此目的而設計。傳統(tǒng)的光學成像是所拍即所需。而計算成像往往是所拍只是所需的輸入，還需要經(jīng)過復雜的后端計算處理才能獲得符合人們需要的圖像。計算相位成像能夠從強度測量重建出復數(shù)值，即包含振幅和相位信息，能揭示包含在介質(zhì)固有的光學屬性中的信息(傳送門2)。當計算相位成像與獲取更多信息的理念相碰撞，則激發(fā)出各種各樣用于解決大規(guī)模(即大數(shù)據(jù)量)相位重建問題的方法。本文的作者提出的大規(guī)模相位復原方 ...

ting)、相位復原和計算成像等。(3)基于深度計算光學和成像的推理。計算成像是一個專注于光學和圖像處理協(xié)同設計的領域，例如增強計算相機的能力。盡管相機被用于執(zhí)行許多不同的任務，但今天的相機旨在模仿人眼。它們捕獲3D環(huán)境的二維(2D)投影，通常具有三個顏色通道。然而，其它動物的眼睛以非常不同的方式進化，每一種都完美地適應了它們的環(huán)境。例如，某些螳螂蝦的光感受器不僅對光的偏振態(tài)敏感，而且包含多達12個不同的光譜帶，這些特征適合其光譜豐富的珊瑚礁生存環(huán)境。因此，相機可以適應獨特的環(huán)境或針對特定任務進行優(yōu)化，就像動物的眼睛一樣。使用傳統(tǒng)傳感器捕捉螳螂蝦所見shi界的挑戰(zhàn)之一是它們整合了不同維度的視覺 ...

F，可以通過相位復原算法從散斑圖樣中非侵入性地重建樣品的二維圖像甚至三維圖像。當前不足：算法和相機的有限性能，以及噪聲和樣本的復雜性等因素，對于經(jīng)過散射介質(zhì)成像，通常使圖像復原過程失敗或收斂到有偽影的、與衍射極限以及解卷積圖像相比分辨率較低的情形。文章創(chuàng)新點：基于此，新加坡南洋理工大學的Dong Wang(第1作者)和Cuong Dang(通訊作者)等人提出了一種隨機光學散射定位成像 (stochastic optical scattering localization imaging,SOSLI) 技術，實現(xiàn)經(jīng)過散射介質(zhì)的非侵入式超分辨成像。該技術只需要一個圖像傳感器采集閃爍點源經(jīng)散射介質(zhì)形 ...

可以用常用的相位復原法(如GS，F(xiàn)ienup法等)求解，也可以看作為一個優(yōu)化問題求解：s是一個固定的或?qū)W習的scale factor。相位復原是找到一個相位函數(shù)?，而(2)是一個非凸優(yōu)化問題，具有無窮解，CGH可以選擇無窮解中的任何一個，因為它們都可以在目標平面上產(chǎn)生相同的強度。作者發(fā)現(xiàn)求解(2)用Adam可以獲得好得圖像質(zhì)量。缺點：這里的仿真數(shù)學模型與真實的光波傳播模型并不完全一致，因此，即使使用了Adam也會讓全息圖像質(zhì)量存在不佳的問題，因而提出下述相機在環(huán)策略。(2)使用光波傳播的相機在環(huán)相位優(yōu)化設想直接用進行前向傳播，然后求其梯度用于誤差反向傳播，這是不可能的，但是可以近似為：啟用Py ...

種基于迭代的相位復原算法被研究人員提出來，最近則是進展為利用深度學習框架在GPU的幫助下經(jīng)過長時間的訓練(12-24h)完成重建網(wǎng)絡，省略了迭代計算的步驟。當前不足：當前實現(xiàn)全息重建的方法都是基于計算機的，而對于快速計算和低能耗的實際需求，迫使人們尋求一種新的全息重建方式。文章創(chuàng)新點：基于此，美國加州大學洛杉磯分校的Md Sadman Sakib Rahman(一作)和Aydogan Ozcan(通訊)提出一種基于衍射網(wǎng)絡的全光全息重建方法，可以不光能夠?qū)崿F(xiàn)全光全息重建，還能消除共軛像的干擾，并通過數(shù)值仿真加以證明。原理解析：雖然重建過程無需計算機，可以基于衍射完成全光全息重建，但是衍射網(wǎng)絡的 ...

第一個實際的相位復原算法。誤差減小算法如圖8（a）所示，使用單個強度測量，在圖像和傅里葉域不斷迭代約束，最終生成一個滿足所有物理限制的傅里葉相位。在第k次迭代，對物體的估計值gk(x,y)做傅里葉變換，傅里葉變換的結(jié)果強制符合已知的傅里葉模，然后將其逆傅里葉變換生成圖像g'k(x,y)。最后對g'k(x,y)執(zhí)行物體域限制生成新物體估計值，完成迭代。區(qū)域R包含了滿足限制的所有點。圖8(b)的輸入輸出算法原理與誤差減小算法有些許不同。它不需要嚴格滿足物體限制，而是在圖像域g'(x,y)減小誤差來估計物體。是一個常數(shù)。兩種不同的輸入輸出重建結(jié)果見圖9。 我們注意到，這里 ...