本文提出了一种基于学习参考信号和解卷积神经网络的 Fourier 相位恢复方法,该方法在计算成本小的情况下提供接近完美的恢复,相比标准 Fourier 相位恢复方法有显著的性能提高。
Jul, 2020
本文发展了一种新的相位恢复框架,结合多个结构光源和凸规划的思想,通过回复幅度获取相位,证明了我们的算法在设定的信噪比范围内可靠地重建原始信号,并且引入了一些理论来说明我们可以通过设计简单的 structured illumination 模式,从而唯一地恢复相位。
Sep, 2011
本文研究从相位不完整的短时傅里叶变换 (STFT) 测量中恢复信号的问题,其中当使用最小二乘问题的解来构造一个矩阵的主特征向量作为初始值,该问题可以由两种基于非凸优化的本地优化算法解决,其中第一种算法是基于最小化经验风险损失函数,第二种算法是基于最大化相位流形上的二次函数,这两种梯度算法均可以对信号进行收敛,并且对噪声具有抗干扰性。
Jul, 2016
提出了一种名为 PPRNet 的新物理驱动多尺度深度学习网络结构,能够从仅进行一次傅里叶幅度测量的数据中,准确、快速、并在实践光学系统中取得显著的重建效果。
Aug, 2022
本文介绍了一种替代 Gerchberg-Saxton 和截尾 Wirtinger 流算法的方法,该方法应用于相位和幅度建模的变分方法,具有高噪声容忍度和高精度的特点,可用于复杂值对象的相位恢复。
Sep, 2017
本文介绍了一种高效且具有强大泛化能力的大规模相位恢复技术,其使用交替投影算法和增强的神经网络分别处理测量和统计优化问题,有效地弥补了各个操作符的缺点,并在计算成本较低的前提下实现了大规模相位恢复,被应用于计算相位成像中的各种模态并验证了其优越性。
Apr, 2021
本文提出一种非凸公式的相位恢复方法,通过随机数迭代更新的规则精确地重建了信号的相位信息。此算法具有低计算复杂性并在计算和数据资源方面都非常有效。
Jul, 2014
本文讨论了从仅具有密度测量信息的实验数据中,利用凸规划技术计算物体相位的问题,通过对一定数量的随机扰动信号进行传播和测量,所得到的衍射图案的凸规划技术 PhaseLift 可以准确还原相位信息。
Oct, 2013
本文研究了广义相位恢复问题,并证明了当测量向量为一组具有一般性质(即满足 i.i.d 复高斯分布)且测量数量充足时,自然的最小二乘优化方法能够找到目标信号的全局最小值,同时避免了漏解及假解。为了证实该算法的可行性,本文还提出并分析了一个二阶信任域算法。
Feb, 2016
研究了在成像科学中,如何利用干涉法和扩展图的性质提供一种新颖的测量设计,实现相位恢复,利用谱图理论得出了相对于 PhaseLift 的稳定性能保证,并使用数值模拟对其性能进行了比较。
Oct, 2012