泽尼克像差恢复网络

复杂场景像差校正

用神经网络模拟傅里叶像谱成像过程，结合泽尼克多项式估计像差，并通过改进的Wirtinger流优化，在复杂场景下保持良好校正性能。

王小利 · 王燕 · 礼暨 · Wang, Hao

Sensors 2024

技术优势

像差估计准

用泽尼克多项式精确估计像差，从而提高校正精度。

复杂场景稳

在复杂场景仍能保持良好的校正性能。

应用场景

• 计算成像：用神经网络模拟傅里叶叠层成像前向过程，提升重建质量。
• 显微镜像差校正：用泽尼克多项式估计并校正显微镜像差。
• 高分辨率成像：通过像差校正获得高分辨率图像。
• 自适应光学：像差校正功能可集成到自适应光学系统中。