.png){kind=icon}
返回
Few-shot phase retrieval algorithm based on lightweight networks
.png){kind=icon}
PRE
AI
DOI：10.1088/1402-4896/ae141b.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
相位恢复是重建光场信息的关键技术。通过从强度测量中重建光场的相位，该方法能够有效解决由大气湍流和光学系统不完美引起的相位失真，显著提升遥感影像的质量和维度信息含量，从而为灾害监测、资源勘探和气候研究提供关键支持。近年来，深度学习的快速发展为计算光学成像提供了前所未有的支持。然而，相位恢复中的传统深度学习技术通常依赖大规模样本数据集和深度网络模型，这在实际应用中面临诸多挑战。为解决此问题，本文提出了一种新型轻量级网络StarNet。数值模拟结果表明，StarNet在随机相位扰动下处理高阶模态和任意强度光场时表现出卓越性能，能够在少样本条件下有效提取相位失真信息，并精确恢复光场的强度。该少样本相位恢复算法不仅为计算成像的实用化进展铺平了道路，也为数据匮乏的计算问题（如遥感成像和信号处理）提供了新途径。
期刊
IF:
2.6
论文数:
4.3K
被引数:
2.5W
机构
引用论文
The image encryption system based on optical orbital angular momentum holography and nonlinear authentication基于光学轨道角动量全息术和非线性认证的图像加密系统.png)
IF0
PREAI
分享收藏
分享收藏SA-NLI: A Supervised Attention based framework for Natural Language InferenceNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Generation of squeezed states of light in arbitrary complex amplitude transverse distributionPHOTONICS RESEARCH
PHOTONICS RESEARCHIF7.2
PREAI
分享收藏
查看更多内容