基于深度学习的非视域成像

针对非相干光照明下的非视域成像问题,提出一种基于深度学习的解决方法。结合计算机视觉领域中经典的语义分割及残差模型,构造一种URNet网络结构,并改进了经典瓶颈层结构。实验结果表明,改进的网络可以恢复更多的图像细节,并具有一定泛化性,相比于基于非相干光照明的散斑自相关成像技术,该网络恢复性能有较大提升。