基于数据驱动像差建模的无校准定量相位成像
图像与视频处理
2020-12-02 v1 光学
摘要
我们提出一种数据驱动方法，用于补偿无校准定量相位成像（QPI）中的光学像差。与现有需要额外测量或背景区域来校正像差的方法不同，我们利用深度学习技术对成像系统中的像差物理过程进行建模。我们展示了通过使用基于 U-net 的深度神经网络生成单帧像差校正场图像，该网络学习具有像差的 optical field 与像差校正场之间的映射。我们的方法在高保真度上通过对多种汇合真核细胞的 2D 和 3D QPI 测量得到验证，并与使用背景减除的传统方法进行了基准比较。
引用
@article{arxiv.2007.13038,
title = {Calibration-free quantitative phase imaging using data-driven aberration modeling},
author = {Taean Chang and Youngju Jo and Gunho Choi and Donghun Ryu and Hyun-Seok Min and Yongkeun Park},
journal= {arXiv preprint arXiv:2007.13038},
year = {2020}
}