目錄
第1章 緒論
1.1 研究背景
1.2 無透鏡成像技術發展綜述
1.2.1 照明調製無透鏡成像技術
1.2.2 掩模調製無透鏡成像技術
1.3 深度學習技術在無透鏡成像中的應用
1.4 非相干無透鏡成像面臨的挑戰
1.5 本書內容
第2章 非相干無透鏡計算成像理論框架
2.1 本章引言
2.2 逆問題及其求解方法
2.2.1 逆問題的不適定性
2.2.2 線性逆問題求解的正則化方法
2.3 深度學習在逆問題求解中的應用
2.3.1 神經網路的典型結構
2.3.2 神經網路的損失函數
2.3.3 神經網路的優化演算法
2.4 編碼掩模無透鏡成像模型
2.4.1 成像模型和參數
2.4.2 掩模版評價函數
2.5 本章小結
第3章 單幀菲涅耳孔徑編碼成像方法
3.1 本章引言
3.2 菲涅耳孔徑編碼成像模型
3.2.1 菲涅耳孔徑編碼圖像與同軸全息圖的等效性
3.2.2 成像解析度分析
3.3 全變差正則化消除孿生像
3.4 實驗結果
3.4.1 掩模版的加工
3.4.2 圖像重建結果
3.4.3 成像解析度測試
3.5 本章小結
第4章 基於壓縮感知的菲涅耳孔徑編碼成像
4.1 本章引言
4.2 編碼掩模成像的壓縮感知模型
4.2.1 信號的稀疏表示
4.2.2 編碼掩模成像觀測矩陣的不相關性
4.3 編碼掩模成像的壓縮重建演算法
4.3.1 循環卷積與線性卷積
4.3.2 前向模型與重建演算法
4.4 測試與分析
4.4.1 數值重建結果
4.4.2 實驗重建結果
4.5 本章小結
第5章 基於深度學習的菲涅耳孔徑編碼成像
5.1 本章引言
5.2 模型誤差分析
5.2.1 掩模版加工誤差
5.2.2 光學傳播模型誤差
5.3 基於深度學習的編碼掩模成像
5.3.1 訓練集圖像的生成
5.3.2 神經網路設計與訓練
5.3.3 損失函數
5.4 實驗結果
5.4.1 圖像重建結果
5.4.2 雜訊穩健性分析
5.5 本章小結
第6章 基於深度學習的無透鏡光纖內窺鏡成像
6.1 本章引言
6.2 光纖束的成像特性
6.3 光纖束圖像的去像素化
6.3.1 頻域濾波法
6.3.2 空域插值法
6.3.3 多幀融合法
6.3.4 壓縮感知法
6.4 光纖束成像的解析度增強方法
6.4.1 最優工作距離
6.4.2 基於深度神經網路的光纖束高分辨成像
6.4.3 實驗結果與分析
6.5 高分辨光纖束成像在腫瘤識別中的應用
6.5.1 成像解析度對腫瘤識別的影響
6.5.2 膠質母細胞瘤識別結果
6.6 本章小結
第7章 總結和展望
7.1 工作總結
7.2 創新性成果
7.3 未來工作展望
參考文獻
在學期間完成的相關學術成果
致謝
[