[发明专利]基于复数神经网络的计算成像方法及装置

权利要求书

1.一种基于复数神经网络的计算成像方法，其特征在于，包括以下步骤：

在成像平面采集包含目标复数信息的强度图；

将所述强度图进行预重建，获得目标波前初始估计值；

构造并训练复数神经网络，所述复数神经网络的输入是复数所述目标波前初始估计值，输出是重建后的复数目标，获得训练完成的复数神经网络；

将待成像目标波前初始估计值输入所述训练完成的复数神经网络，获得高精度的目标振幅和相位图像。

2.根据权利要求1所述的方法，其特征在于，所述在成像平面采集包含目标复数信息的强度图，包括：

通过图像传感器采集强度测量图，其中，采集强度图过程可建模为：

I(x,y)＝|A{U(x,y)}|²+ω(x,y)，

其中，(x,y)为成像平面的二维空间坐标，A为空间传播函数，表示波前从物平面传播到成像平面的过程，包括夫琅禾费衍射和菲涅尔衍射两种过程，为物光,u(x,y)、φ₀(x,y)分别表示物光的振幅和相位分布，ω(x,y)为噪声分布，I(x,y)为成像平面采集到的强度图。

3.根据权利要求1所述的方法，其特征在于，所述将所述强度图进行预重建，包括：

将所述强度图通过反向传播或者交替投影方法进行预处理，得到包含振幅和相位信息的复数波前初始估计值，用于输入所述复数神经网络。

4.根据权利要求1所述的方法，其特征在于，所述构造并训练复数神经网络，包括：

基于复数值数学运算对所述复数神经网络各层进行构造，以实部和虚部为运算单元，对卷积算子、激活函数进行复数域上的定义。

5.根据权利要求1或4所述的方法，其特征在于，所述构造并训练复数神经网络，还包括：

选择损失函数，根据所述损失函数对所述复数神经网络进行优化。

6.一种基于复数神经网络的计算成像装置，其特征在于，包括以下模块：

采集模块，用于在成像平面采集包含目标复数信息的强度图；

预处理模块，用于将所述强度图进行预重建，获得目标波前初始估计值；

训练模块，用于构造并训练复数神经网络，所述复数神经网络的输入是复数所述目标波前初始估计值，输出是重建后的复数目标，获得训练完成的复数神经网络；

成像模块，用于将待成像目标波前初始估计值输入所述训练完成的复数神经网络，获得高精度的目标振幅和相位图像。

7.根据权利要求6所述的装置，其特征在于，所述预处理模块，还用于：

将所述强度图通过反向传播或者交替投影方法进行预处理，得到包含振幅和相位信息的复数波前初始估计值，用于输入所述复数神经网络。

8.根据权利要求6所述的装置，其特征在于，所述训练模块，还用于：

基于复数值数学运算对所述复数神经网络各层进行构造，以实部和虚部为运算单元，对卷积算子、激活函数进行复数域上的定义；

选择损失函数，根据所述损失函数对所述复数神经网络进行优化。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一所述的基于复数神经网络的计算成像方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的基于复数神经网络的计算成像方法。