基于压缩感知与深度学习的快照干涉三维成像

我们展示了基于干涉编码的单次压缩三维 $(x, y, z)$ 成像。物体的深度维度被编码到光场的干涉光谱中，生成 $(x, y, \lambda)$ 数据立方体，随后由单次光谱仪进行测量。通过实现高达 $400$ 的压缩比，我们能够从二维测量中重建 $1G$ 个体素。我们开发了一种基于优化的压缩感知算法和一种深度学习网络，用于从单次二维编码测量中进行三维重建。由于采集速度快，我们的方法能够以原生相机帧率捕获体积活动，实现动态场景的四维（体积-时间）可视化。