展示全部
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1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成的散斑图样，点源在每一个随机相机帧中的位置通过计算的方式以非常高的精度确定，从而可以实现超分辨图像重建。zui终证明实现的分辨率超过了衍射极限，散射介质后 ...
虑成像到光谱图像复原的前向步骤，DOE、CCA与图像传感器组成PSF平移变化的系统，入射到图像传感器上的光强可以看作为入射光场与系统PSF的卷积。图像传感器感知的光强加上其自身的读取噪声，作为图像复原网络(采用UNet架构)的输入。在每一次前向传递过程中，模拟当前光学元件的PSF，并定义一个损失函数(需要Ground Truth图像)。随后，在反向传播过程中，误差被反向传播到DOE和CCA本身，从而实现光学元件本身参数和图像复原网络参数的优化更新。实验结果：参考文献：Henry Arguello, Samuel Pinilla, Yifan Peng, Hayato Ikoma, Jorge ...
要理解噪声对图像复原的影响，建立了信息和图像复原能力之间的关系。类似于方程（27）的信息理论成像模型也被人推导了出来。受此启发，我们可以用探测器的空间采样率来确定带宽、物体功率谱密度，用系统OTF来确定信号，用测量噪声和欠采样确定噪声。随后，研究人员使用信息理论分析了成像系统，以探索诸如自由度、信道容量和最佳编码等主题。鉴于计算成像是对一个期望量的非直接测量，凭借传统的成像保真度评价不足以评判计算成像的性能。计算成像的一个关键要素是设计一个测量X和后端检测处理来估计一个期望参数θ。对于一个给定的θ，从测量中得到特定采样X的概率是f(X;θ)。设计一个θ的估计值，如果这个估计值没有偏置，则期望值 ...
或 投递简历至: hr@auniontech.com
