.png){kind=icon}
返回
Phase-gradient information from vortex encoders
.png){kind=icon}
PRE
AI
DOI：10.1364/ao.589275.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
编码衍射能够从无相位传感器图像中重建复场。这种重建通过衍射编码器实现；然而，重建质量显著依赖于物体-编码器对和结构，以及强度传感器平面图像的采样。这里，我们推导了当从单个拓扑相位奇点捕获附加信息时，图像相位梯度的费舍尔信息量。该衍射掩模提供依赖于未编码相位梯度的传感器平面图案。我们通过简单神经网络数值验证了机器学习的相位梯度检索。我们的结果识别了采样和相位梯度信息在傅里叶平面衍射编码器方案中的可追溯性问题，并指向了信息引导的混合计算策略。(c) 2026 Optica Publishing Group. All rights, including for text and data mining (TDM), Artificial Intelligence (AI) training, and similar technologies, are reserved.
Keyword:
SHANNON-INFORMATION
FISHER INFORMATION
RETRIEVAL
LIGHT
ALGORITHMS
IMAGE
