CN105954994B - 无透镜数字全息显微成像的图像增强方法 - Google Patents
无透镜数字全息显微成像的图像增强方法 Download PDFInfo
- Publication number
- CN105954994B CN105954994B CN201610498174.4A CN201610498174A CN105954994B CN 105954994 B CN105954994 B CN 105954994B CN 201610498174 A CN201610498174 A CN 201610498174A CN 105954994 B CN105954994 B CN 105954994B
- Authority
- CN
- China
- Prior art keywords
- image
- hologram
- phase
- denoising
- enchancing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003384 imaging method Methods 0.000 title description 13
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000011084 recovery Methods 0.000 claims abstract description 10
- 238000009647 digital holographic microscopy Methods 0.000 claims abstract description 9
- 238000013461 design Methods 0.000 claims abstract description 8
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001093 holography Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000004452 microanalysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/32—Systems for obtaining speckle elimination
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Holo Graphy (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明提供一种无透镜数字全息显微图像增强方法,包括以下步骤:通过衍射再现全息图像;去除所述全息图像的零级斑;将基于高斯过程复原的TIE方法恢复出来一个相位结果,令所述相位结果作为迭代算法的初始相位值,再使用混合输入输出迭代算法进行相位恢复,以去除共轭像;先采用邻域均值滤波算法对噪声图像进行预处理,然后对处理后的图像采用全变分模型的偏微分方程进行二次去噪,以去除散斑噪声,最后得到去噪后的全息图像。本发明提供的图像增强方法及装置去噪效果好、效率高,能够获取清晰的全息图像。
Description
技术领域
本发明涉及数字全息技术领域,具体为一种无透镜数字全息显微成像的图像增强方法。
背景技术
由于受到现有光电设备尺寸和分辨率等限制,全息图重建时散斑噪声、零级衍射光斑和共轭像对再现像成像质量和清晰度均造成严重不利影响。
目前传统的图像增强方法主要针对比较单一的噪声源,难以解决无透镜数字全息显微成像的多噪声问题。例如,去除散斑噪声的方法有前期光学和后期的图像处理,光学方法抑制散斑噪声的原理就是利用各种光学器件来获得多个独立的散斑模式,然后叠加这些含有散斑噪声的图像,实现起来比较困难,而数字图像处理方法拥有好的再现性,高的处理精度,设备简单等优势,故得到广泛的应用,但是只采用单一的图像处理去噪算法存在很多不足,远不如两种方法的融合的去噪效果好;共轭像的干扰本质上是由于相位信息丢失造成的,我们只需要从强度图中恢复出相位信息就可以从根本上解决这一问题,目前主要通过两种途径来进行相位恢复,一是TIE求解,由TIE光强传递方程得到物体的相位,其计算精度较差,二是迭代求解,由获取的光波强度多次迭代得到相位,其计算量比较大。
目前国内数字全息显微镜还停留在大型装置的产品研发,不仅需要复杂的光路结构,而且设备昂贵、效率低、分析经验要求高和数据存储管理困难。而无透镜数字全息显微成像是直接对微小物体进行全息成像,而不经过物镜放大,为了充分利用CCD的分辨率,一般采用同轴数字全息的记录方法,并且用支透光充当参考光,为了降低高频信息丢失,可以让样品离记录面很近。
目前针对数字全息图的零极斑和共轭像噪声,申请号为CN201110213193.5名称为“基于分区计算的数字全息图零极斑和共轭像的消除方法”的专利申请提出一种将记录方式与数值计算相结合的去噪算法,其核心思想是利用全息图本身在不同区域具有不同方向空间载频的特性,对全息图进行分区滤波消除零极斑和共轭像。基本步骤是:在记录全息图的同时,分别记录参考光光强和物光光强;再将全息图减去参考光光强和物光光强;最后通过分区再现算法得到无零极项和共轭像干扰的再现像。针对零极项干扰问题,该专利申请采用有关零极项消除算法中原理简单、更易实现的物光及参考光强度分布直接消除法。而共轭像的干扰主要因为在成像过程中由于光的频率太高,现有设备只能采集到光场的强度信息,而无法获得其相位信息,所以借助已知的光强信息来恢复相位信息是很必要的。目前在众多有影响的相位恢复算法中,主要通过两种途径来进行相位恢复:TIE求解,由TIE光强传递方程得到物体的相位;迭代求解,由获取的光波强度多次迭代得到相位。该专利申请采用了TIE方程的傅里叶算法,该方法只适合菲涅尔,而且其求解方法有一定的复杂性,从而对得到确定唯一的解带来一定的困难。
由于数字全息图成像噪声源比较多,采用单一的去噪方法无法达到满意的图像增强效果。如:针对相位恢复算法,其中迭代算法具有收敛速度慢、迭代不确定、抗噪性能差等缺点;现有TIE方程也只适合捏菲尔近场,而且其求解方法有一定的复杂性,光照一致性表现不明显,它的局限来自噪声和非线性强度值的导数估计。针对散斑噪声,单独使用图像处理算法(邻域均值滤波算法或全变分模型(TV)),会造成图像边缘的模糊以及细节特征的丢失,对图像的下一步分析带来很大的影响。因此,传统的去噪方法并不适合全息图图像增强。
发明内容
本发明的目的在于,解决在无透镜数字全息显微成像过程中影响再现图像清晰度质量的问题。
本发明的目的是采用以下技术方案来实现的。
一种无透镜数字全息显微图像增强方法,包括以下步骤:步骤S1,通过衍射再现全息图像;步骤S2,去除所述全息图像的零级斑;步骤S3,将基于高斯过程复原的TIE方法恢复出来一个相位结果,令所述相位结果作为迭代算法的初始相位值,再使用混合输入输出迭代算法进行相位恢复,以去除共轭像;步骤S4,先采用邻域均值滤波算法对噪声图像进行预处理,然后对处理后的图像采用全变分模型的偏微分方程进行二次去噪,以去除散斑噪声,最后得到去噪后的全息图像。
相较于现有技术,本发明提供的无透镜数字全息显微图像增强方法及装置去噪效果好、效率高,能够获取清晰的全息图像。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例提供的无透镜数字全息显微成像的图像增强方法的流程示意图。
图2中a-d是不同形状邻域系统示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式。相反地,提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,本发明实施例提供的一种无透镜数字全息显微成像的图像增强方法,包括以下步骤:
步骤S1,通过衍射再现全息图像;
步骤S2,去除所述全息图像的零级斑;
由于零级项占用绝大部分光能量,在再现像中心位置呈现为一大亮光斑,严重影响再现像,因此先去除零级斑。具体地,步骤S2包括以下步骤:
步骤S21,设传播到CCD平面的物光波复振幅为O(x,y),参考光复振幅为R(x,y),在记录全息图前,遮挡参考光,获得物光光强分布|O(x,y)|2
步骤S22,在记录全息图之前,遮挡物光,获得参考光光强分布|R(x,y)|2
步骤S23,记录在CCD上生成的数字全息图的强度分布I(xh,yh):
I(xh,yh)=U(x,y)·U*(x,y)=|O(x,y)|2+|R(x,y)|2+O*(x,y)·R(x,y)+O(x,y)·R*(x,y)
步骤S24,全息图I(xh,yh)分别减去|O(x,y)|2和|R(x,y)|2。
步骤S3,将基于高斯过程复原的TIE方法恢复出来一个相位结果,令所述相位结果作为迭代算法的初始相位值,再使用混合输入输出迭代算法进行相位恢复,以去除共轭像。
共轭像是由于相位信息丢失造成的,由于光的频率太高,现有设备只能采集到光场的强度信息,而无法获得其相位信息,所以有必要借助已知的光强信息来恢复相位信息。
其中,恢复所述相位结果包括以下步骤:
步骤S31,输入N数据:
步骤S32,设置r=1.1~1.2;
步骤S33,初始化超参数,抑制高于Sc的频率成分;
步骤S34,计算得输出所述相位结果。
基于高斯过程复原的TIE方法(GP TIE)恢复出来的相位图在低频部分有效,因此迭代算法就可以用较少的迭代次数就可以进一步将高频部分信息恢复出来,最终实现相位恢复。这样可以综合相位恢复算法TIE求解和迭代算法的特点,既提高了基于高斯过程复原的TIE方法求解在菲涅尔域的计算精度,又减少了迭代算法的计算负担。
另外,基于高斯过程复原的TIE方法利用反差转换函数作为先验信息(光频率在空间传播),解决TIE的噪声和非线性问题,可以得到一个更好的导数估计,其不需要输入数据是等距的,利用平方指数协方差函数来抑制不必要的高频组件,在拟合函数中设立一个阀值来抑制不需要的高频率成分来灵活适应在模型中变化的多样数据。
使用混合输入输出迭代算法进行相位恢复的步骤可以描述为:
ρ表示物面,ρk和ρk′分别表示经过k次迭代后的物面限制;β为常数,可以取在到0.5-1.0之间,它的取值大小决定了收敛速度。
混合输入输出迭代算法可以有效加快收敛速度和打破停滞问题,与其他迭代算法不同的是:加入了负反馈,从而加快了收敛速度。
步骤S4,先采用邻域均值滤波算法对噪声图像进行预处理,然后对处理后的图像采用全变分模型(TV)的偏微分方程进行二次去噪,以去除散斑噪声,然后得到去噪后的全息图像。
邻域均值滤波算法是用像素点p(i,j)和其邻域N中全部点的像素灰度均值替换像素点p(i,j)对应的灰度值f(i,j)。请参阅图2中a至d,常用的邻域系统有4-邻域系统(图2中b),8-邻域系统(图2中c),12-邻域系统(图2中d)。
全变分模型算法旨在建立偏微分方程的数学模型,而后令图像遵此偏微分方程变化,最终达到预想的效果。
步骤S41,首先根据泛函定义下式
其中,图像的梯度场Ω表示图像的定义域,(x,y)∈Ω表示坐标系中像素点的二维坐标。
TV范数最小化应满足以下两个约束条件:
1,均值约束条件∫Ωudxdy=∫Ωu*dxdy,
2,方差约束条件
步骤S42,仿照拉格朗日算法的思想,加入参数λ,可以得到全变分极小化的能量泛函形式如下所示:
步骤S43,结合偏微分方程可以得到全变分图像去噪模型的欧拉方程为
步骤S44,利用梯度下降法求解上述欧拉方程,η表示图像等照度线的法线方向,ζ表示图像等照度线的切线方向,(x,y)坐标系与(ζ,η)坐标系转换关系表示为:
求解时的迭代形式为:
邻域均值滤波算法是一种线性滤波法,它利用灰度均值替换,减小图像噪声方差,能够快速平滑图像,可以有效去除图像中包含的低密度噪声以及颗粒噪声。TV模型算法可以建立保边去噪模型,假设图像像素点均位于边缘上,保边性较好;另外,其自适应能力很强,并且具有各向异性的扩散特性。将邻域均值滤波算法与TV算法进行融合,克服了单独使用邻域均值滤波算法或TV模型算法去噪的不足,在有效去噪的同时还保持了图像的边缘细节信息。
本发明实施例提供的无透镜数字全息显微成像的图像增强方法能够解决无透镜数字显微成像过程中影响再现图像清晰度质量的问题,简单、容易实现、去噪效果好、效率高,而且保持了图像更多边缘信息和有用信息,利于改善全息图再现图像清晰度。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种无透镜数字全息显微图像增强方法,包括以下步骤:
步骤S1,通过衍射再现全息图像;
步骤S2,去除所述全息图像的零级斑;
步骤S3,将基于高斯过程复原的TIE方法恢复出来一个相位结果,令所述相位结果作为混合输入输出迭代算法的初始相位值,再使用混合输入输出迭代算法进行相位恢复,以去除共轭像;
步骤S4,先采用邻域均值滤波算法对噪声图像进行预处理,然后对处理后的图像采用全变分模型的偏微分方程进行二次去噪,以去除散斑噪声,最后得到去噪后的全息图像。
2.如权利要求1所述的无透镜数字全息显微图像增强方法,其特征在于,所述步骤S2进一步包括以下步骤:
步骤S21,设传播到CCD平面的物光波复振幅为O(x,y),参考光复振幅为R(x,y),在记录全息图前,遮挡参考光,获得物光光强分布|O(x,y)|2
步骤S22,在记录全息图之前,遮挡物光,获得参考光光强分布|R(x,y)|2
步骤S23,记录在CCD上生成的数字全息图的强度分布I(xh,yh):
I(xh,yh)=U(x,y)·U*(x,y)=|O(x,y)|2+|R(x,y)|2+O*(x,y)·R(x,y)+O(x,y)·R*(x,y)
步骤S24,全息图I(xh,yh)分别减去|O(x,y)|2和|R(x,y)|2。
3.如权利要求1所述的无透镜数字全息显微图像增强方法,其特征在于,步骤S3中恢复所述相位结果的步骤进一步包括以下步骤:
步骤S31,输入N个数据相位:
步骤S32,设置
步骤S33,初始化超参数,抑制高于Sc的频率成分;
步骤S34,计算得输出所述相位结果。
4.如权利要求1所述的无透镜数字全息显微图像增强方法,其特征在于,步骤S3中使用混合输入输出迭代算法进行相位恢复的步骤表示为:
ρ表示物面,ρk和ρk′分别表示经过k次、k’次迭代后的物面限制,β为常数。
5.如权利要求1所述的无透镜数字全息显微图像增强方法,其特征在于,步骤S4包括以下步骤:
步骤S41,根据泛函定义下式
其中,图像的梯度场Ω表示图像的定义域,(x,y)∈Ω表示坐标系中像素点的二维坐标,TV范数最小化满足以下约束条件:
(1)均值约束条件∫Ωudxdy=∫Ωu*dxdy,
(2)方差约束条件
步骤S42,加入参数λ,得到全变分极小化的能量泛函形式:
步骤S43,结合偏微分方程得到全变分图像去噪模型的欧拉方程为
步骤S44,利用梯度下降法求解所述欧拉方程,η表示图像等照度线的法线方向,ζ表示图像等照度线的切线方向,(x,y)坐标系与(ζ,η)坐标系转换关系表示为:求解时的迭代形式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610498174.4A CN105954994B (zh) | 2016-06-30 | 2016-06-30 | 无透镜数字全息显微成像的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610498174.4A CN105954994B (zh) | 2016-06-30 | 2016-06-30 | 无透镜数字全息显微成像的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954994A CN105954994A (zh) | 2016-09-21 |
CN105954994B true CN105954994B (zh) | 2018-09-28 |
Family
ID=56901688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610498174.4A Active CN105954994B (zh) | 2016-06-30 | 2016-06-30 | 无透镜数字全息显微成像的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954994B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780360A (zh) * | 2016-11-10 | 2017-05-31 | 西安电子科技大学 | 基于OpenCL标准的快速全变分图像去噪方法 |
CN107145052B (zh) * | 2017-05-24 | 2019-07-09 | 上海交通大学 | 基于数字插值和相位迭代的全息显微成像方法 |
EP3460585B1 (en) * | 2017-09-25 | 2021-07-14 | Imec Vzw | An imaging device for in-line holographic imaging of an object |
CN108416723B (zh) * | 2018-02-07 | 2022-02-18 | 南京理工大学 | 基于全变分正则化和变量分裂的无透镜成像快速重构方法 |
CN108388102B (zh) * | 2018-02-12 | 2020-09-11 | 东南大学 | 一种低频抑制的随机多元搜索二值化相位全息图生成方法 |
CN108510556A (zh) * | 2018-03-30 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN109978782A (zh) * | 2019-03-18 | 2019-07-05 | 新疆大学 | 一种数字全息再现图像中散斑噪声的去除方法及装置 |
CN110533621A (zh) * | 2019-08-09 | 2019-12-03 | 西安交通大学 | 一种基于图像融合的光强传输方程相位恢复方法 |
CN113189101B (zh) * | 2021-04-27 | 2024-01-30 | 浙江大学 | 一种带有负反馈调节的无透镜成像方法 |
CN114266704B (zh) * | 2021-09-18 | 2024-01-30 | 长春理工大学 | 自适应光斑消除方法 |
CN113822825B (zh) * | 2021-11-25 | 2022-02-11 | 电子科技大学成都学院 | 基于3d-r2n2的光学建筑目标三维重建方法 |
CN117372308B (zh) * | 2023-12-04 | 2024-03-12 | 华侨大学 | 一种相衬细胞显微图像清晰度增强方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393955A (zh) * | 2011-07-18 | 2012-03-28 | 西安电子科技大学 | 用于图像复原的全信息非局部约束全变分方法 |
CN104331857A (zh) * | 2014-10-28 | 2015-02-04 | 南京理工大学 | 光强传输方程相位恢复中的相位差异迭代补偿方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8879852B2 (en) * | 2010-11-10 | 2014-11-04 | Siemens Aktiengesellschaft | Non-contrast-enhanced 4D MRA using compressed sensing reconstruction |
WO2016019324A2 (en) * | 2014-08-01 | 2016-02-04 | The Regents Of The University Of California | Device and method for iterative phase recovery based on pixel super-resolved on-chip holography |
-
2016
- 2016-06-30 CN CN201610498174.4A patent/CN105954994B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393955A (zh) * | 2011-07-18 | 2012-03-28 | 西安电子科技大学 | 用于图像复原的全信息非局部约束全变分方法 |
CN104331857A (zh) * | 2014-10-28 | 2015-02-04 | 南京理工大学 | 光强传输方程相位恢复中的相位差异迭代补偿方法 |
Non-Patent Citations (2)
Title |
---|
基于光强传输方程的非干涉相位恢复_省略_相位显微成像_文献综述与最新进展;左超等;《中国激光》;20160610;第43卷(第6期);第0609002-1至0609002-31页 * |
基于非局部泛函分析的图像处理;房少梅等;《数学进展》;20091231;第38卷(第6期);第649-656页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105954994A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105954994B (zh) | 无透镜数字全息显微成像的图像增强方法 | |
Yu et al. | Frequency and spatial dual guidance for image dehazing | |
CN110232661A (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
CN106227015A (zh) | 一种基于压缩感知理论的全息图像高分辨率重建方法及系统 | |
Proesmans et al. | Coupled geometry-driven diffusion equations for low-level vision | |
Krzyston et al. | Complex-valued convolutions for modulation recognition using deep learning | |
Yin et al. | Digital holographic reconstruction based on deep learning framework with unpaired data | |
Zhang et al. | Phase unwrapping in digital holography based on non-subsampled contourlet transform | |
CN105976346A (zh) | 基于鲁棒主成分稀疏分解的红外与可见光图像融合方法 | |
Chen et al. | Image enhancement in lensless inline holographic microscope by inter-modality learning with denoising convolutional neural network | |
Gupta et al. | Low-light phase imaging using in-line digital holography and the transport of intensity equation | |
He et al. | An improved wavefront determination method based on phase conjugation for imaging through thin scattering medium | |
Bai et al. | Robust contrast-transfer-function phase retrieval via flexible deep learning networks | |
Wang et al. | Transform domain based medical image super-resolution via deep multi-scale network | |
Zhou et al. | Physical-priors-guided DehazeFormer | |
Madsen et al. | On-axis digital holographic microscopy: Current trends and algorithms | |
Fournier et al. | Inverse problem approaches for digital hologram reconstruction | |
Hui et al. | Image restoration for optical synthetic aperture system via patched maximum–minimum intensity prior and unsupervised DenoiseNet | |
Luo et al. | Fast and stable Fourier ptychographic microscopy based on improved phase recovery strategy | |
Sun et al. | Double‐flow convolutional neural network for rapid large field of view Fourier ptychographic reconstruction | |
Shen et al. | High-throughput artifact-free slightly off-axis holographic imaging based on Fourier ptychographic reconstruction | |
US20200057411A1 (en) | System and method for reconstruction of holographic lens-free images by multi-depth sparse phase recovery | |
WO2024087406A1 (zh) | 一种基于深度学习的数字全息包裹相位畸变补偿方法 | |
Sridevi et al. | Image enhancement based on fractional calculus and genetic algorithm | |
Guo et al. | Ghost imaging of the low or high frequency based on the corresponding spatial-frequency of the reference pattern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |