基于知识蒸馏方法的高度受限可编码光学成像系统设计

计算光学成像（COI）系统通过光学编码元素（OCE）实现了对高维信号的获取。OCE 将高维信号编码为一个或多个快照，随后使用计算算法进行解码。当前，COI 系统通过端到端（E2E）方法进行优化，其中 OCE 被建模为神经网络的某一层，其余层执行特定的成像任务。然而，基于这些系统的物理约束限制了通过 E2E 优化的 COI 系统性能。本文提出了一种知识蒸馏（KD）框架，用于设计高度受物理约束的 COI 系统。该方法采用 KD 方法论，即教师-学生关系，其中高性能、无约束的 COI 系统（教师）指导受物理约束限制的系统（学生）的优化，后者以有限的快照数为特征。我们采用二进制编码光罩单像素相机进行验证，用于单色和多光谱图像重建。仿真结果表明，KD 方案在设计高度受物理约束的 COI 系统方面优于传统 E2E 优化。