用于噪声干涉成像相位检索的 3D-2D 神经网络
光学
2024-12-23 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
近年来，神经网络已被用于解决成像中的相位检索问题，其精度和速度优于传统技术，尤其是在存在噪声的情况下。然而，在干涉成像背景下，现有的神经网络架构尚未充分解决相位噪声问题。此类噪声由于机械不稳定性或大气湍流而自然产生于干涉仪中，限制了测量采集时间，并在远程传感等光强受限的场景中构成挑战。在此，我们提出了一种 3D-2D 相位检索 U-Net（PRUNe），该网络以噪声且随机相移的干涉图作为输入，输出单幅 2D 相位图像。一个 3D 下采样卷积编码器捕获帧内和帧间的相关性以生成 2D 潜在空间，随后由 2D 解码器上采样为相位图像。我们将我们的模型与最先进的奇异值分解算法进行了测试对比，发现 PRUNe 的重建结果始终更加准确和平滑，在多种信噪比下，对于低（< 1 光子/像素）和高（~100 光子/像素）信号强度的干涉图，其均方误差降低了 2.5 至 4 倍。我们的模型提供了一种更快、更准确的方法，用于在存在相位噪声的情况下进行极低光强干涉测量中的相位检索，并将应用于其他多帧噪声成像技术。
引用
@article{arxiv.2402.06063,
title = {3D-2D Neural Nets for Phase Retrieval in Noisy Interferometric Imaging},
author = {Andrew H. Proppe and Guillaume Thekkadath and Duncan England and Philip J. Bustard and Frédéric Bouchard and Jeff S. Lundeen and Benjamin J. Sussman},
journal= {arXiv preprint arXiv:2402.06063},
year = {2024}
}