|
|||||
|
|
| 基于DenseNet的散射成像景深拓展研究 | |
| 引用本文： | 林昭苏,王杨云逗,王昊,胡川飞,顾敏,杨晖.基于DenseNet的散射成像景深拓展研究[J].光学学报,2022(4):245-248. |
| 作者姓名： | 林昭苏 王杨云逗 王昊 胡川飞 顾敏 杨晖 |
| 作者单位： | 1. 上海理工大学光电信息与计算机工程学院;2. 上海理工大学光子芯片研究院;3. 上海理工大学光电信息与计算机工程学院人工智能纳米光子学中心 |
| 基金项目： | 中国博士后面上基金(2020M671169)； |
| 摘 要： | 散射现象广泛存在于自然界中。透过散射介质的大景深成像在计算成像领域具有重要的意义和应用价值。近年来，随着深度学习在计算成像领域的广泛应用，散射成像系统中的景深问题亟待进一步研究和拓展。以DenseNet为基础，结合UNet框架，建立了一个具有良好迁移性和景深拓展能力的深度卷积神经网络模型——DUNet。通过使用透过不同目数毛玻璃的散斑图像对网络进行训练，使成像景深拓展至距焦面50 mm处。初步的小鼠脑片实验结果表明，DUNet模型将有望应用于深层组织断层扫描。 |
| 关 键 词： | 光计算 密集卷积网络 散射成像 景深拓展 |