数字全息术（DH）是监测透明样品定量三维信息的一种重要技术。然而，常规数字全息重建中需要相位畸变补偿和解包裹，严重影响了相位重建速度和重建精度。提出一种融合空洞卷积和注意力机制的改进残差Unet方法，实现了数字全息端到端相位重建，简化成像过程，提高了图像重建质量。此外，该方法还可以通过调整残差块，得到最优的实时重建网络模型。实验结果表明，所提基于深度学习的相位重建方法能够实时获得样品精确的三维形貌信息，有利于对动态样品进行实时监测。
科研之友
微信
新浪微博
Facebook
分享链接
