基于循环神经网络的全息图像重建及相位恢复与自动聚焦
图像与视频处理
2021-05-28 v1 计算机视觉与模式识别
机器学习
光学
摘要
数字全息是生物医学成像中应用最广泛的免标记显微技术之一。恢复全息图缺失的相位信息是全息图像重建中的重要步骤。在此我们展示了一种基于卷积循环神经网络(RNN)的相位恢复方法,该方法利用在不同样本到传感器距离下捕获的多幅全息图,快速重建样本的相位和振幅信息,同时通过同一网络执行自动聚焦。我们通过对人体组织样本和巴氏(Pap)涂片的微观特征成像,证明了这一深度学习赋能的全息方法的成功。这些结果构成了循环神经网络用于全息成像与相位恢复的首个演示,并且与现有方法相比,所提出的方法改善了重建图像质量,同时增加了景深和推理速度。
引用
@article{arxiv.2102.12281,
title = {Holographic image reconstruction with phase recovery and autofocusing using recurrent neural networks},
author = {Luzhe Huang and Tairan Liu and Xilin Yang and Yi Luo and Yair Rivenson and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2102.12281},
year = {2021}
}
备注
18 Pages, 7 Figures, 1 Table