[發明專利]基于深度學習的散射透鏡成像系統

有效

• 申請號: 202010216812.5
• 申請日: 2020-03-25
• 公開（公告）號: CN111479097B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 索津莉;劉洋;謝佳憶;戴瓊海
• 申請（專利權）人: 清華大學
• 主分類號: H04N9/04
• 分類號: H04N9/04;H04N9/31;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王艷斌

本發明公開了一種基于深度學習的散射透鏡成像系統，包括：成像系統，成像系統包括相機和散射透鏡，散射透鏡固定設置于相機前；投影系統，投影系統包括投影儀和幕布，投影系統設置于成像系統后，以使投影儀將多張預設圖片分別投影至幕布上，相機拍攝幕布上經過散射透鏡后得到的像，作為一一對應的物像，以訓練預設算法，并通過訓練完成的預設算法對待成像物體成像，得到成像結果。本發明實施例的系統可以用深度學習替代解卷積，有效提高成像分辨率，在提高數值孔徑的同時，實現比較高的分辨率，簡單易實現。

技術領域

本發明涉及光學技術領域，特別涉及一種基于深度學習的散射透鏡成像系統及方法。

背景技術

相關技術中，成像系統(例如顯微鏡和數碼相機)的視場常常會受到數值孔徑的限制。數值孔徑是用來衡量光學系統能夠收集光的角度范圍的物理量。因此，顯而易見用毛玻璃獲取散射光比透鏡鏡頭能夠收集到的光的角度大，即數值孔徑大，進而提高視場。

目前，在生命科學和生物醫療領域，清晰地觀察單個細胞并且盡可能在同一個視野下觀察更多的細胞已成為迫切需求，提高成像系統的數值孔徑從而實現寬視場圖像的采集成為其中關鍵技術瓶頸。然而，相關技術的無透鏡成像系統在提高數值孔徑的同時，不能夠實現比較高的分辨率，亟待改進。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的目的在于提出一種基于深度學習的散射透鏡成像系統，該系統可以用深度學習替代解卷積，有效提高成像分辨率。

為達到上述目的，本發明實施例提出了一種基于深度學習的散射透鏡成像系統，包括：成像系統，所述成像系統包括相機和散射透鏡，所述散射透鏡固定設置于所述相機前；投影系統，所述投影系統包括投影儀和幕布，所述投影系統設置于所述成像系統后，以使所述投影儀將多張預設圖片分別投影至所述幕布上，所述相機拍攝所述幕布上經過所述散射透鏡后得到的像，作為一一對應的物像，以訓練預設算法，并通過訓練完成的預設算法對待成像物體成像，得到成像結果。

本發明實施例的基于深度學習的散射透鏡成像系統，不但系統硬件簡單，僅需圖像采集器和散射片，而且散射片的采用使得系統可以接受到半空間的光照，提升了數值孔徑，及采用深度學習的算法代替傳統根據點擴散函數解卷積的算法，提高成像分辨率，即可以用深度學習替代解卷積，有效提高成像分辨率，在提高數值孔徑的同時，實現比較高的分辨率，簡單易實現。

另外，根據本發明上述實施例的基于深度學習的散射透鏡成像系統還可以具有以下附加的技術特征：

進一步地，在本發明的一個實施例中，所述散射透鏡用于對光場進行相位調制，并且根據所述散射透鏡的散射介質的散射角度確定所述成像系統的數值孔徑。

進一步地，在本發明的一個實施例中，還包括：相機標定系統，用于訓練端到端的黑箱模型，并建立目標場景與面陣探測器得到的圖像之間的映射關系，以求解采集到的圖像對應的目標場景，生成訓練數據集。

其中，在本發明的一個實施例中，在深度學習所述黑箱模型之后，所述成像系統具體用于以面陣探測器采集的圖像為輸入，所述目標場景為輸出，通過卷積神經網絡訓練所述散射透鏡成像系統的黑箱模型，且對應任意面陣探測器采集的圖像，以用訓練得到的網絡輸出對應的目標場景的估計圖像。

另外，在本發明的一個實施例中，還包括：平移臺，用于放置所述散射透鏡，以將與所述相機的距離調節至目標距離。

本發明附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。

附圖說明

本發明上述的和/或附加的方面和優點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為根據本發明實施例的基于深度學習的散射透鏡成像系統的結構示意圖。

具體實施方式