智能光学计算成像技术与应用

智能光学计算成像是一个将人工智能（AI）与光学成像技术相结合的前沿领域，它通过深度学习、光学神经网络、超表面光学（metaphotonics）、全息技术和量子光学等技术，推动光学成像技术的发展。以下是智能光学计算成像的一些关键进展和应用：

1. 光纤成像：深度学习在光纤成像中的应用进展显著，包括通过条件生成对抗网络实现高速多模光纤成像系统

2. 光谱成像：当前的光谱成像技术包括多通道滤光片、基于深度学习和波长响应曲线求逆问题的优化实现，以及衍射光栅、多路复用、超表面等技术，用于获取高光谱信息

3. 全息成像：利用深度神经网络来优化全息图的重建过程，提高成像质量，并实现复杂光学场景的快速三维重建

4. 超分辨率成像：通过深度学习技术提高光学成像系统的空间分辨率，改善图像质量

5. 计算成像优化：利用深度学习模型对光学成像过程进行优化和控制，实现更高效的成像方法

6. 简单光学成像技术：基于计算成像，发展简单和紧凑的光学成像技术，也称为简单光学。这种技术利用光学系统和图像处理算法的联合设计，实现与复杂光学系统相媲美的高质量成像

7. 端到端光学算法联合设计：计算光学成像包括了可微的衍射光学模型、折射光学模型以及基于可微光线追踪的复杂透镜模型，这些模型使得光学系统设计与图像处理算法可以联合优化

目录

主要内容

光学计算成像导论

1.计算成像的概念与现状

2.生活与科研中的典型应用场景

3.光学计算成像与计算摄影

4.深度学习增强的计算成像

像基本概念及计算成像理论基础

1.颜色和光谱，图像在程序中的表示

2.图像传感器，成像物理模型与噪声

3.其他成像元件与光波波前分析方法

4.常见图像描述方法与图像处理流程

5.图像重构理论基础

6.一般计算成像逆问题与求解方式

实例：Poisson blending of image

机器学习及Python软件基础

1.机器学习基础概念

2.监督学习与无监督学习

3.常用算法简介（如线性回归、多层感知机等）

3.1Python 编程基础

3.2Python 环境搭建与工具介绍

3.3基本语法与数据结构

3.4矩阵运算库NumPy与GPU运算库Cupy

3.5数据可视化工具（Matplotlib 等）

3.6深度学习框架PyTorch 与TensorFlow

实践：用Numpy/cupy与matplotlib绘制分形图像

图像常用深度神经网络与PyTorch/TensorFlow实现

1.深度学习简介与神经网络基础概念

2.深度学习的基本原理与训练过程

3.常用基本深度网络模型简介

3.1全连接网络(FC）

3.2卷积神经网络（CNN）

3.3带历史记忆的网络（如RNN）

4.基于PyTorch与TensorFlow的几种神经网络构建

Ø 全连接网络

Ø 卷积神经网络

Ø U-Net

Ø Res-Net

实践：基本的全连接网络模型与卷积神经网络的搭建与训练

图像的神经网络表示与ADMM图像重构

1.神经表示（Neural Representations）与位置嵌入（Positional Encoding）

2.神经渲染（Neural Rendering）

3.学习式重构（Learned Reconstruction）与应用介绍

4.用ADMM算法来求解正则化逆问题

实践：用ADMM 算法来重构图像

常见的计算成像应用

1.图像去噪与解模糊

2.空域编码-解码成像（压缩感知、单像素成像）简介

3.时域编码-解码成像（飞行时间、非视域成像）简介

4.无透镜成像

4.1无透镜成像的概念与基础

点扩散函数（PSF） 调控与无透镜成像: 散射成像实例

压缩感知和压缩编码成像

1.压缩感知与压缩成像理论

1.1基于多模光纤lantern的压缩计算成像讲解

Ø 实践：1D信号和2D图像的压缩感知重构

2.结构光照明和单像素成像理论

3.基于神经网络的单像素成像

3.1基于神经网络的远场超分辨率鬼成像讲解

实践：基于多模光纤超快脉冲的单像素探测超快成像

高光谱成像

1.高光谱成像简介与理论知识

2.神经网络光谱成像

案例：具有高空间分辨率的宽带高光谱图像传感器（实践网络重构部分）

微纳光学计算成像

.超构表面与微纳光学增强的计算成像简介

2.超构表面与相位获取成像

实例讲解：纳米光学高质量超构透镜成像（实践图像重构部分）

端到端光学算法联合设计

1.一般图像系统设计

2.端到端光学和图像处理系统设计

Ø 案例讲解：端到端的基于深度学习的散射介质散斑计算成像

综合实例讲解：用一个纯相位镜头的灰度图像到高光谱图像（超光谱/解模糊/深度学习/点扩散函数设计/压缩成像）

https://mp.weixin.qq.com/s/NDw-24d7CUVVysk5e2lL9g 详情点击查看或关注科研实践课堂

审核编辑 黄宇