基于深度神经网络的高保真消色差超透镜成像
光学
2023-08-02 v1
摘要
超光学正作为传统含多透镜与衍射元件光学系统的替代方案引起广泛关注。在应用中，单超透镜成像因具有显著减小尺寸和简化设计的潜力而极具吸引力。然而，单超透镜由于材料色散和单透镜光学特性而表现出严重色差，使其不适用于需要消色差性能的全彩成像。本工作中，我们提出并验证了一种基于深度学习的单超透镜成像系统，以克服不同场景下的色差。所开发的深度学习网络通过计算重构原始成像捕获，可靠地重新聚焦红、绿、蓝通道以消除色差并提升分辨率，且无需改变超透镜硬件。这些网络在不同孔径尺寸和聚焦距离下均展现出一致的增强效果。训练集之外的图像和真实世界照片也成功被重构。我们的方法提供了一种无需复杂工程即可实现消色差超透镜的新途径，实现了实用且简化的实施以克服超光学固有局限。
引用
@article{arxiv.2308.00211,
title = {High-fidelity achromatic metalens imaging via deep neural network},
author = {Yunxi Dong and Bowen Zheng and Hang Li and Hong Tang and Yi Huang and Sensong An and Hualiang Zhang},
journal= {arXiv preprint arXiv:2308.00211},
year = {2023}
}