典型文献
基于多尺度特征融合网络的傅里叶叠层成像
文献摘要：
傅里叶叠层成像是一种实现光学系统高分辨率、大视场成像的技术.传统FP方法的高分辨率重建过程需要较高的孔径重叠率,导致采集图像数量较多,采样效率低.此外,FP重建算法的复杂度高,重建时间长.针对以上问题,本文结合深度学习,提出一种基于多尺度特征融合网络的傅里叶叠层成像算法,通过改进的特征金字塔卷积神经网络,能够从稀疏采样的低分辨振幅图像中提取特征信息并进行融合,实现超分辨的复图像重建.实验结果表明,在相同采样条件下,与传统方法相比,本文提出的深度学习算法提高了图像重建的质量,减少了90％以上的重建时间,并且对高斯噪声的鲁棒性较高.所提出的方法能够将相邻频域子孔径间的重叠率从50％降低至25％,减少50％的采集图像数量,大幅提高采样效率.
文献关键词：
计算成像;傅里叶叠层成像;特征金字塔;稠密连接;通道注意力
中图分类号：
作者姓名：
宋东翰;王斌;朱友强;刘鑫
作者机构：
中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院大学,北京100049;拉彭兰塔-拉赫蒂理工大学 工程科学学院 计算机视觉与模式识别实验室,芬兰 拉赫蒂15210
文献出处：
引用格式：
[1]宋东翰;王斌;朱友强;刘鑫-.基于多尺度特征融合网络的傅里叶叠层成像)[J].液晶与显示,2022(11):1476-1487
A类：
B类：
多尺度特征融合,特征融合网络,傅里叶叠层成像,像是,光学系统,大视场成像,FP,重叠率,采集图像,采样效率,重建算法,成像算法,特征金字塔,金字塔卷积神经网络,稀疏采样,提取特征,特征信息,超分辨,图像重建,采样条件,深度学习算法,高斯噪声,将相,邻频,频域,子孔径,计算成像,稠密连接,通道注意力
AB值：
0.337007
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
