基于深度学习的多模光纤散射介质成像重建

• 作者: 孟琭 胡海峰 胡金洲 布思航 高涵
• 来源期刊: 中国激光
• 关键词: 光纤光学 图像处理 多模光纤 深度学习 密集连接 图像重建 DenseUnet
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 光纤光学与光通信|Fiber Optics and Optical Communications
• 页码范围: 264-273
• 页数: 10页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3788/CJL202047.1206005

摘要

多模光纤是一种厚散射介质,当目标图像经过多模光纤传输时将形成多种模式耦合,从而在光纤的输出端生成散斑图案.基于深度学习对多模光纤成像进行复原,解决了厚散射介质成像失真的问题.采用DenseUnet,并以散斑图样作为模型的输入来重建目标图像.DenseUnet模型采用融合机制加深了网络的深度,提高了重建的准确性,并具有很好的鲁棒性.实验结果表明,DenseUnet可以很好地对具有不同长度的多模光纤产生的散斑图像进行重建.