eFIN:用于全息成像中可泛化自动聚焦与像素超分辨率的增强傅里叶成像网络
光学
2023-02-28 v1 计算机视觉与模式识别
机器学习
摘要
深度学习技术的应用极大地增强了全息成像能力,改善了相位恢复与图像重建。在此,我们引入一种称为增强傅里叶成像网络(eFIN)的深度神经网络,作为一种具有高度泛化性的全息图重建框架,可实现像素超分辨率与图像自动聚焦。通过涉及肺、前列腺和唾液腺组织切片以及巴氏(Pap)涂片的全息显微实验,我们证明eFIN具有优越的图像重建质量,并对训练阶段从未见过的新类型样本表现出外推泛化能力。该网络实现了0.35 mm的宽自动聚焦轴向范围,并能够通过物理信息学习准确预测全息图轴向距离。eFIN实现了3倍像素超分辨率成像,并使重建图像的空间带宽积提升9倍且几乎无性能损失,从而在全息成像与数据处理步骤中节省大量时间。我们的结果展示了eFIN在推动定量相位成像与无标记显微镜等各类应用的全息成像边界方面的进展。
引用
@article{arxiv.2301.03162,
title = {eFIN: Enhanced Fourier Imager Network for generalizable autofocusing and pixel super-resolution in holographic imaging},
author = {Hanlong Chen and Luzhe Huang and Tairan Liu and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2301.03162},
year = {2023}
}
备注
10 Pages, 4 Figures