基于扩散模型的极低采样率傅里叶单像素成像重建
傅里叶单像素成像（FSPI）一直面临着成像效率和成像质量之间的权衡问题。为了实现高分辨率成像，必须增加测量次数，从而降低了成像效率。本工作提出了一种基于扩散模型的FSPI高质量重建方法。基于分数的扩散模型被用于学习数据分布的先验信息。目标的真实采样的低频傅里叶频谱作为一致性项，与学习到的先验信息一起约束模型地迭代生成，实现在极低采样率下的高分辨率重建。仿真和实验结果表明，与传统的FSPI方法和U-Net方法相比，所提出的方法取得了卓越的质量。特别是在1%极低采样率下，对于硬币实验，所提方法与传统的FSPI方法相比在基于边缘强度的分数上实现了约241%的提高。
基于扩散模型的高分辨率迭代重建流程
相关研究成果以“High-resolution iterative reconstruction at extremely low sampling rate for Fourier single-pixel imaging via diffusion model”为题发表于Optics Express。课题组成员宋贤林副教授、硕士研究生刘轩以及本科生罗周旭为共同第一作者，刘且根教授为通讯作者。
时间压缩相干衍射成像(TC-CDI)是一种能够捕捉快速运动的小目标的无透镜成像技术，然而该方法在频率域稀疏采样，导致频谱图信息丢失，进而限制重建图像的准确性和成像帧率。为了实现高空间分辨率和高时间帧率的相干衍射成像，本工作提出了一种双域均值回归扩散模型增强的时间压缩相干衍射成像（DMDTC）算法。该算法利用均值回归扩散模型，学习频率域和空间域图像的先验信息分布；在重建时，采用频率域先验信息恢复频谱图丢失的信息，之后利用混合输入输出算法重建空间域图像，最后利用空间域先验信息对图像进行再次去噪和恢复。实验验证表明DMDTC重建图像的结构相似度和峰值信噪比均优于传统方法。此外，泛化性实验表明DMDTC在不同数据集上的重建效果保持稳定，显示出算法的鲁棒性。
DMDTC算法流程图
图像重建效果。(a)原始图像，(b)TC-CDI重建图像，(c)DMDTC重建图像，(d)剖线图
代码链接：https://github.com/yqx7150/DMDTC
基于生成式扩散模型的透过散射介质成像技术
基于扩散模型的透过散射介质成像重建流程
(a)目标图像，(b)散斑测量数据，(c)LR方法，(d)HIO方法，(e)TC方法，(f)本文方法
代码链接：https://github.com/yqx7150/ISDM
基于真实场景的实时智能三维全息摄影
所提系统对运动人体的三维信息采集与全息三维重建结果
相关研究成果以“Real-time intelligent 3D holographic photography for real-world scenarios”为题发表于Optics Express。课题组成员副教授宋贤林和硕士研究生董嘉庆为共同第一作者，刘且根教授为通讯作者。
论文链接：https://doi.org/10.1364/OE.529107；
声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理（按照法规支付稿费或立即删除），所有来稿文责自负，专委会仅作为分享平台。转载请注明出处，如原创内容转载需授权，请联系邮箱：cita@csoe.org.cn
