学分：Xuyang Chang，Liheng Bian和Jun Zhang宽阔的视野和高分辨率是B.作为成像应用，提供多维和多尺度目标信息
作为最近的相位成像的发展，大规模检测已广泛用于各种成像模式，这在很大程度上延伸了空间从百万规模到亿尺度的光线系统（SBP）
这样的大量数据对后阶段检索（PR）处理的巨大挑战
因此，大规模具有低计算复杂性和高保真度的PR技术对于各种尺寸的那些成像和感知应用具有重要意义
然而，现有的PR算法遭受低计算复杂性的折衷，测量噪声和强大的鲁棒性无济，使它们不适用于一般大型阶段检索
在新出版的研究文章中，由北京理工学院张教授领导的科学家团队，中国发展效率高效 - 用于实现高保真复杂域相成像的比例相位检索技术
它们将传统的优化算法与深度学习技术相结合，实现了低计算复杂性，测量噪声和强大的鲁棒性北极化它们将报告的方法与现有的PR方法进行比较三个成像模态，包括相干衍射成像（CDI），编码衍射图案成像（CDP）和傅立叶PTYCHACHIC显微镜（FPM）
结果证实，与交替投影（AP）算法相比，报告的技术对测量噪声具有高达17dB的测量噪声对信噪比来增强
与基于优化的算法相比，运行时间显着减少了多个数量级
此外，它们首次在分钟时间的8K水平上表现出超大型相位检索
报道PR技术在即插即用（PNP）优化框架上构建K，并将高效的广义交流投影（GAP）策略从真实空间扩展到非线性空间
这些科学家总结了他们技术的特点：“复杂场PNP-GAP方案确保我们的强烈概括在各种成像模型上的技术，并且优于具有较少辅助变量的传统PNP技术，较低的计算复杂度和更快的收敛
“”“在间隙框架下，相位检索问题用两个子问题分解
我们分别介绍了交替投影求解器和增强神经网络以解决两个子问题
这两个求解器补偿彼此的缺点，允许优化绕过深度差的概括AP的学习和噪音稳健性差“从灵活的优化框架中受益，我们的技术能够在未来推出最好的求解器，以更新本身
此外，还有很有意思的是调查使用其他图像增强求解器如超分辨率神经网络，去孔网络和失真拆卸网络的影响
这可以打开相对于进一步提升质量的相位检索的新见解，“科学家们写
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
