基于人工神经网络对 PSF 进行非线性回归的分辨率与精度
图像与视频处理
2018-06-25 v1 天体物理仪器与方法
摘要
在之前的工作中，我们展示了一种光学系统点扩散函数(PSF)的新数值模型，该模型能高效地对 PSF 的实验测量和透镜设计仿真进行建模。其新颖性在于该模型的可移植性和参数化，这允许以全新方式验证光学系统，这对于如汽车工业中的量产光学系统以及眼科学尤为有趣。该模型的数值基础是使用人工神经网络(ANN)对 PSF 进行非线性回归。本文中我们考察该模型的两个重要方面：空间分辨率和模型精度。PSF 的测量和仿真可以具有比当前相机传感器(尤其是汽车工业所用传感器)典型像素尺寸高得多的分辨率。我们讨论这对 ANN 的拓扑结构以及实际使用建模 PSF 的最终应用的影响。对训练后 ANN 精度的另一重要影响是训练期间使用的误差度量。PSF 是明显的非线性函数，在视场和离焦上变化剧烈，但仍表现出强对称性和空间关系。因此我们考察不同的距离和相似性度量，并讨论其对 ANN 建模性能的影响。
引用
@article{arxiv.1806.08689,
title = {Resolution and accuracy of non-linear regression of PSF with artificial neural networks},
author = {Matthias Lehmann and Christian Wittpahl and Hatem Ben Zakour and Alexander Braun},
journal= {arXiv preprint arXiv:1806.08689},
year = {2018}
}
备注
12 pages, 9 figures, submitted and accepted for SPIE Optical Systems Design, 2018, Frankfurt, Germany. arXiv admin note: text overlap with arXiv:1801.02197