許多現(xiàn)代的成像系統(tǒng)集成了解卷積(deconvolution)算法痢缎，用于實(shí)現(xiàn)圖像質(zhì)量提升以及增強(qiáng)成像系統(tǒng)的能力胁勺。光學(xué)器件的缺陷可能會(huì)在無(wú)意中讓圖像模糊(如像差)，解卷積可以在計(jì)算上消除其中的一些模糊独旷。在顯微鏡中署穗，解卷積可以減少離焦熒光寥裂，從而產(chǎn)生更銳利的三維圖像。另外案疲，還可以將分布式點(diǎn)擴(kuò)散函數(shù)(PSF)有意設(shè)計(jì)到成像系統(tǒng)中封恰，從而獲得如單幀高光譜成像、單幀三維成像這樣的能力褐啡。在這種情況里诺舔，采用多路復(fù)用的光學(xué)器件通過(guò)將物空間中的每一點(diǎn)映射到成像傳感器上的分布式模式以將二維和三維信息編碼，然后利用解卷積算法從模糊或編碼的測(cè)量來(lái)重建編碼的清晰圖像或體積备畦。
快速空間變化解卷積
技術(shù)背景：
許多現(xiàn)代的成像系統(tǒng)集成了解卷積(deconvolution)算法懂盐，用于實(shí)現(xiàn)圖像質(zhì)量提升以及增強(qiáng)成像系統(tǒng)的能力褥赊。光學(xué)器件的缺陷可能會(huì)在無(wú)意中讓圖像模糊(如像差)，解卷積可以在計(jì)算上消除其中的一些模糊莉恼。在顯微鏡中拌喉，解卷積可以減少離焦熒光，從而產(chǎn)生更銳利的三維圖像俐银。另外尿背，還可以將分布式點(diǎn)擴(kuò)散函數(shù)(PSF)有意設(shè)計(jì)到成像系統(tǒng)中，從而獲得如單幀高光譜成像捶惜、單幀三維成像這樣的能力田藐。在這種情況里，采用多路復(fù)用的光學(xué)器件通過(guò)將物空間中的每一點(diǎn)映射到成像傳感器上的分布式模式以將二維和三維信息編碼售躁，然后利用解卷積算法從模糊或編碼的測(cè)量來(lái)重建編碼的清晰圖像或體積坞淮。
現(xiàn)有的解卷積算法應(yīng)用場(chǎng)景有限。現(xiàn)今已有多種解卷積算法陪捷。經(jīng)典的有Wiener濾波(屬于closed-form方法)回窘、Richardson-Lucy和快速迭代收斂閾值算法(屬于迭代優(yōu)化方法)等。但是現(xiàn)有的解卷積方法往往需要精心挑選的先驗(yàn)信息(如total variation和native sparsity)來(lái)提高圖像質(zhì)量市袖。除此之外啡直，這些方法通常假設(shè)系統(tǒng)是平移不變的(即圖像的所有部分具有相同的模糊核)。平移不變系統(tǒng)的前向模型可以用物體和PSF的卷積來(lái)有效描述苍碟。然而實(shí)際上酒觅，大多數(shù)成像系統(tǒng)在整個(gè)視場(chǎng)內(nèi)的模糊是變化的，即有著空間變化的PSF(主要由隨視場(chǎng)變化的像差引起)微峰。這激發(fā)了空間變化解卷積方法的應(yīng)用舷丹。但是目前的大多數(shù)空間變化解卷積算法計(jì)算量大、計(jì)算慢蜓肆，不適于實(shí)時(shí)圖像重建颜凯。而且谋币，它們重建的圖像質(zhì)量也不佳，這種現(xiàn)像在具有大空間范圍PSF的高度多路復(fù)用成像系統(tǒng)症概、選擇不當(dāng)?shù)南闰?yàn)等情況下更明顯蕾额。雖然已有基于深度學(xué)習(xí)的解卷積方法被證明可以提高圖像質(zhì)量和重建速度，但是迄今為止彼城，這些深度學(xué)習(xí)方法依賴(lài)于平移不變PSF近似诅蝶，且不能很好的推廣到具有視場(chǎng)變化像差的光學(xué)系統(tǒng)。
技術(shù)要點(diǎn)：
基于此募壕，美國(guó)加州大學(xué)伯克利分校的Kyrollos Yanny(一作)和Laura Waller等人提出了一種基于深度學(xué)習(xí)的快速调炬、空間變化解卷積方法，命名為MultiWienerNet司抱。該方法與具有空間變化模型的迭代方法相比筐眷，速度提高了625-1600倍，并且優(yōu)于現(xiàn)有的假設(shè)平移不變的基于深度學(xué)習(xí)的方法习柠。
1)MultiWienerNet由多個(gè)可學(xué)習(xí)的Wiener解卷積層和一個(gè)U-Net組成；
2)Wiener解卷積層執(zhí)行多個(gè)傅里葉空間解卷積照棋，每一個(gè)解卷積具有來(lái)自特定視場(chǎng)點(diǎn)的不同PSF资溃，從而產(chǎn)生多個(gè)中間圖像，這些中間圖像上銳利紋理區(qū)域不同烈炭；
3)將中間圖像輸入U(xiǎn)-Net溶锭，網(wǎng)絡(luò)將這些圖像融合提煉，生成zui終的銳利解卷積圖像符隙；
圖1霹疫、MultiWienerNet架構(gòu)拱绑。pipeline包含兩個(gè)部分：1）可學(xué)習(xí)的multi-Wiener解卷積層用系統(tǒng)已知的空間變化PSF初始化，然后輸出一組解卷積的中間圖像 2）一個(gè)U-Net精煉步驟丽蝎，將中間圖像組合并精煉成單個(gè)輸出圖像猎拨。在訓(xùn)練過(guò)程中，使用仿真數(shù)據(jù)聯(lián)合優(yōu)化這兩個(gè)部分屠阻。訓(xùn)練完成后红省，將實(shí)驗(yàn)數(shù)據(jù)送入優(yōu)化好的MultiWienerNet，實(shí)現(xiàn)快速空間變化解卷積国觉。
更多詳情請(qǐng)聯(lián)系昊量光電/歡迎直接聯(lián)系昊量光電
關(guān)于昊量光電：
上海昊量光電設(shè)備有限公司是光電產(chǎn)品專(zhuān)業(yè)代理商，產(chǎn)品包括各類(lèi)激光器麻诀、光電調(diào)制器痕寓、光學(xué)測(cè)量設(shè)備缸逃、光學(xué)元件等，涉及應(yīng)用涵蓋了材料加工厂抽、光通訊需频、生物醫(yī)療、科學(xué)研究筷凤、國(guó)防昭殉、量子光學(xué)、生物顯微藐守、物聯(lián)傳感挪丢、激光制造等；可為客戶提供完整的設(shè)備安裝卢厂，培訓(xùn)乾蓬，硬件開(kāi)發(fā)佳魔，軟件開(kāi)發(fā)寿羞，系統(tǒng)集成等服務(wù)昵时。
您可以通過(guò)我們昊量光電的官方網(wǎng)站www.wjjzl.com了解更多的產(chǎn)品信息果元，或直接來(lái)電咨詢(xún)4006-888-532坐漏。
本文章經(jīng)光學(xué)前沿授權(quán)轉(zhuǎn)載,商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系獲得授權(quán)鸽素。
