典型文献
基于深度学习的散射光场成像研究进展
文献摘要：
散射介质会改变光子的传播方向和传输路径,导致成像质量下降甚至形成散斑.理论上,散射介质的传输矩阵可以被用来恢复目标信息,但是求解传输矩阵的过程十分复杂,而且精度也受较多因素的影响.近年来,迅速发展的深度学习技术为解决散射光场成像问题提供了新思路,其作为一种求解逆问题的常用方法可以准确恢复目标信息、提高成像质量,在散射光场成像领域发挥着重要作用并涌现出了一系列突出的科研成果.基于深度学习算法中的监督学习和无监督学习,总结了现阶段基于深度学习算法的散射光场成像技术的研究进展,并从深度学习技术的网络结构、成像质量、泛化性等方面分析比较了各类智能算法成像技术性能.最后,分析了基于深度学习算法的散射光场成像技术的优势及面临的挑战,并展望了该领域未来可能的发展趋势.
文献关键词：
信息光学;散射光场成像;目标重建;深度学习;散射介质
中图分类号：
作者姓名：
林冰;樊学强;李德奎;彭志勇;郭忠义
作者机构：
合肥工业大学计算机与信息学院, 安徽 合肥 230601;天津津航技术物理研究所, 天津 300192
文献出处：
引用格式：
[1]林冰;樊学强;李德奎;彭志勇;郭忠义-.基于深度学习的散射光场成像研究进展)[J].量子电子学报,2022(06):880-898
A类：
散射光场成像
B类：
散射介质,光子,传播方向,传输路径,成像质量,散斑,传输矩阵,复目,目标信息,十分复杂,深度学习技术,逆问题,常用方法,涌现出,科研成果,深度学习算法,无监督学习,光场成像技术,泛化性,智能算法,技术性能,未来可能,信息光学,目标重建
AB值：
0.228217
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。
