基于深度学习的多尺度数字全息图重建 |
| |
引用本文: | 浦健,桂进斌,张凯.基于深度学习的多尺度数字全息图重建[J].激光与光电子学进展,2022(2):86-93. |
| |
作者姓名: | 浦健 桂进斌 张凯 |
| |
作者单位: | 昆明理工大学理学院 |
| |
基金项目: | 国家自然科学基金(62065010,61565011); |
| |
摘 要: | 针对单个深度学习模型不能对多尺度的数字全息图进行波前重建的问题,提出一种基于U-Net模型的改进网络结构,模拟数字全息成像过程,生成不同尺度的全息图像作为数据集。将不同尺度的数字全息图分别用于训练网络的不同部分,得到一个可以对三种不同尺度的数字全息图波前信息进行重建的深度学习模型。实验结果表明,所提网络结构可对不同尺度的数字全息图进行重建,获得准确的数字全息图波前信息。研究内容为使用单个深度学习模型处理多种尺度的数字全息图这类问题提供了一种解决思路。
|
关 键 词: | 全息 数字全息 全息重建技术 深度学习 卷积神经网络 多尺度 |
|
|