基于隐式神经表示的无基函数点扩散函数工程
光学
2025-04-22 v3 计算机视觉与模式识别
摘要
点扩散函数 (PSF) 工程对于精确控制计算成像中的光聚焦至关重要，具有神经成像、荧光显微镜和生物光学等应用。PSF 源于相位函数傅里叶变换幅值的函数，使得给定 PSF 求相位函数 (PSF 工程) 成为一个病弱的反问题。传统的 PSF 工程方法依赖物理基函数，限制了其在所需成像任务范围内的泛化能力。我们引入一种新方法，利用隐式神经表示克服像素级优化方法的局限性。我们的方法在学习随机生成的相位函数时，分别实现了中位数 MSSIM 为 0.8162 和平均 MSSIM 为 0.5634 的表现，而像素级优化方法分别实现了中位数 MSSIM 为 0.0 和平均 MSSIM 为 0.1841。我们的方法还实现了中位数 PSNR 为 10.38 dB 和平均 PSNR 为 8.672 dB，而像素级优化方法分别实现了中位数 PSNR 为 6.653 dB 和平均 PSNR 为 6.660 dB。
引用
@article{arxiv.2410.05413,
title = {Implicitly Learned Neural Phase Functions for Basis-Free Point Spread Function Engineering},
author = {Aleksey Valouev},
journal= {arXiv preprint arXiv:2410.05413},
year = {2025}
}
备注
3 pages, 7 figures. To be published in ICVISP 2024 (https://www.icvisp.org/)