基于深度学习的修正Zernike系数估计及湍流中点扩散函数的恢复
图像与视频处理
2023-06-28 v2
摘要
从单张强度图像中恢复湍流退化的点扩散函数对多种成像应用十分重要。本文应用基于卷积神经网络的深度学习模型于强度图像，以预测一组修正的Zernike多项式系数，其对应于由湍流引起的瞳内波前像差。该修正集合因该问题存在的符号模糊性而对偶径向阶系数赋予绝对值，并被证明足以指定强度点扩散函数。为学习模型创建了涵盖一系列湍流与探测噪声水平的点目标及简单扩展目标的模拟图像数据。该学习模型的MSE结果表明，观测点目标时预测最佳，但也可从受探测噪声与湍流影响的扩展目标图像中恢复出一组有用的修正Zernike系数。
引用
@article{arxiv.2304.02576,
title = {Deep Learning Estimation of Modified Zernike Coefficients and Recovery of Point Spread Functions in Turbulence},
author = {Abu Bucker Siddik and Steven Sandoval and David Voelz and Laura E Boucheron and Luis Varela},
journal= {arXiv preprint arXiv:2304.02576},
year = {2023}
}
备注
14 pages, 8 figures; title changed, typos corrected, references added