深度学习辅助的透过静态散射介质成像
光学
2022-05-16 v1 图像与视频处理
摘要
由于介质自身扰动导致的散斑去相关，透过散射介质成像是一个具有挑战性的问题。对于在线成像模态而言，因其紧凑、无需运动部件且鲁棒而颇具吸引力，消除此类散射的影响变得尤为困难。在此，我们探究静态散射介质对在线几何结构（包括数字全息显微镜）中光散射的影响。我们考虑了多种物体-散射体场景，其中物体被额外静态散射体扭曲或遮挡，并使用一种先进的深度学习（DL）生成方法——生成对抗网络（GANs）——来减轻额外散射体的影响。利用对有/无额外散射体的感兴趣物体的光散射仿真与实验，我们发现条件 GAN 可用极微小数据集快速训练，并能有效学习跨域输入-输出图像对之间的一对一统计映射。训练此类网络得到一个独立模型，该模型随后可用于反演或消除散射效应，从而获得清晰的物体重建以用于物体提取与下游处理。此外，众所周知，静态散射光学系统的相干点扩散函数（c-PSF）是一种空间移变的散斑图案。我们展示，仅使用 20 对图像进行快速训练，即可消除这种不期望的散射，以高空间精度定位衍射极限脉冲，从而将先前的移变系统转化为线性移不变（LSI）系统。
引用
@article{arxiv.2202.12806,
title = {Deep learning-assisted imaging through stationary scattering media},
author = {Siddharth Rawat and Jonathan Wendoloski and Anna Wang},
journal= {arXiv preprint arXiv:2202.12806},
year = {2022}
}
备注
4 figures