中文：相位复原；英文：phase retrieval

ht 大规模相位复原技术背景：获取更多的信息一直是成像领域研究人员的追求目标。更多的信息意味着更大视场，更高的空间分辨率、时间分辨率，更多的空间维度，需要相位信息等。如RUSＨ(传送门1)、傅里叶叠层成像等都是基于此目的而设计。传统的光学成像是所拍即所需。而计算成像往往是所拍只是所需的输入，还需要经过复杂的后端计算处理才能获得符合人们需要的图像。计算相位成像能够从强度测量重建出复数值，即包含振幅和相位信息，能揭示包含在介质固有的光学属性中的信息(传送门2)。当计算相位成像与获取更多信息的理念相碰撞，则激发出各种各样用于解决大规模(即大数据量)相位重建问题的方法。本文的作者提出的大规模相位复原方 ...

ting)、相位复原和计算成像等。(3)基于深度计算光学和成像的推理。计算成像是一个专注于光学和图像处理协同设计的领域，例如增强计算相机的能力。尽管相机被用于执行许多不同的任务，但今天的相机旨在模仿人眼。它们捕获3D环境的二维(2D)投影，通常具有三个颜色通道。然而，其它动物的眼睛以非常不同的方式进化，每一种都完美地适应了它们的环境。例如，某些螳螂虾的光感受器不仅对光的偏振态敏感，而且包含多达12个不同的光谱带，这些特征适合其光谱丰富的珊瑚礁生存环境。因此，相机可以适应独特的环境或针对特定任务进行优化，就像动物的眼睛一样。使用传统传感器捕捉螳螂虾所见世界的挑战之一是它们整合了不同维度的视觉数据 ...

F，可以通过相位复原算法从散斑图样中非侵入性地重建样品的二维图像甚至三维图像。当前不足：算法和相机的有限性能，以及噪声和样本的复杂性等因素，对于经过散射介质成像，通常使图像复原过程失败或收敛到有伪影的、与衍射极限以及解卷积图像相比分辨率较低的情形。文章创新点：基于此，新加坡南洋理工大学的Dong Wang(第一作者)和Cuong Dang(通讯作者)等人提出了一种随机光学散射定位成像 (stochastic optical scattering localization imaging,SOSLI) 技术，实现经过散射介质的非侵入式超分辨成像。该技术只需要一个图像传感器采集闪烁点源经散射介质形 ...

可以用常用的相位复原法(如GS，Fienup法等)求解，也可以看作为一个优化问题求解：s是一个固定的或学习的scale factor。相位复原是找到一个相位函数ϕ，而(2)是一个非凸优化问题，具有无穷解，CGH可以选择无穷解中的任何一个，因为它们都可以在目标平面上产生相同的强度。作者发现求解(2)用Adam可以获得得最好得图像质量。缺点：这里的仿真数学模型与真实的光波传播模型并不完全一致，因此，即使使用了Adam也会让全息图像质量存在不佳的问题，因而提出下述相机在环策略。(2)使用光波传播的相机在环相位优化设想直接用进行前向传播，然后求其梯度用于误差反向传播，这是不可能的，但是可以近似为：启用 ...

种基于迭代的相位复原算法被研究人员提出来，最近则是进展为利用深度学习框架在GPU的帮助下经过长时间的训练(12-24h)完成重建网络，省略了迭代计算的步骤。当前不足：当前实现全息重建的方法都是基于计算机的，而对于快速计算和低能耗的实际需求，迫使人们寻求一种新的全息重建方式。文章创新点：基于此，美国加州大学洛杉矶分校的Md Sadman Sakib Rahman(一作)和Aydogan Ozcan(通讯)提出一种基于衍射网络的全光全息重建方法，可以不光能够实现全光全息重建，还能消除共轭像的干扰，并通过数值仿真加以证明。原理解析：虽然重建过程无需计算机，可以基于衍射完成全光全息重建，但是衍射网络的 ...

第一个实际的相位复原算法。误差减小算法如图8（a）所示，使用单个强度测量，在图像和傅里叶域不断迭代约束，最终生成一个满足所有物理限制的傅里叶相位。在第k次迭代，对物体的估计值gk(x,y)做傅里叶变换，傅里叶变换的结果强制符合已知的傅里叶模，然后将其逆傅里叶变换生成图像g'k(x,y)。最后对g'k(x,y)执行物体域限制生成新物体估计值，完成迭代。区域R包含了满足限制的所有点。图8(b)的输入输出算法原理与误差减小算法有些许不同。它不需要严格满足物体限制，而是在图像域g'(x,y)减小误差来估计物体。是一个常数。两种不同的输入输出重建结果见图9。 我们注意到，这里 ...