浑浊介质中的事件驱动成像：光电子学与神经形态计算的融合
神经与进化计算
2023-09-14 v1 计算机视觉与模式识别
摘要
本文引入一种光学-计算方法，以揭示在致密浑浊介质中因光散射而严重 obscured 的目标图像。感兴趣的目标被视为动态的，即其光学性质随时间变化，无论空间上静止或运动。该方案据我们所知属首创，受人类视觉启发：由浑浊介质收集的漫射光子首先经动态视觉传感器如视网膜般转换为脉冲序列，随后通过模仿大脑的神经形态计算方法进行图像重建。我们结合反射（后向散射）与透射几何下的台式实验数据及基于物理的仿真支持，建立神经形态计算模型，并通过专用的深度脉冲神经网络算法将其应用于不同 MNIST 字符与图像集的重建。在浑浊度使原始图像人眼或数字摄像机无法辨识的条件下，使用新神经形态计算方法仍可清晰且可量化地辨识图像。
引用
@article{arxiv.2309.06652,
title = {Event-Driven Imaging in Turbid Media: A Confluence of Optoelectronics and Neuromorphic Computation},
author = {Ning Zhang and Timothy Shea and Arto Nurmikko},
journal= {arXiv preprint arXiv:2309.06652},
year = {2023}
}