利用纹理槽中周期扰动产生的光场透镜掩码的压缩成像

太赫兹成像在多个领域显示出巨大的潜力，但多像素成像设备的成本效益仍是许多研究者面临的障碍。为此，单像素成像的利用出现作为低成本选项，但重建图像所需的数据收集过程耗时。压缩成像通过低于尼采定理所需测量次数来实现图像生成，虽然仍存在较长的处理时间，尤其是针对大尺寸图像。我们提出的解决方案是利用纹理槽中扰动引起的光场效应作为采样掩码。纹理槽的动态特性引入了采样过程中的随机性，从而通过利用太赫兹频段信号的内在稀疏性来减少测量时间。在本研究中，使用卷积神经网络进行目标分类，基于光场掩码获取的独特信号模式。所提出的分类器在区分类似拉丁字母的目标方面获得了95.16%的准确率。