基于Mobile U-Net的多芯光纤散斑图像复原方法研究

摘要

目前多芯光纤的成像技术应用广泛,但光纤周围所处的环境因素使得现有技术可以清晰成像具有很大的局限性,例如振动和光纤所处环境的温度的改变可以影响成像的效果.传统光学成像系统由于介质内部折射率分布不均,光经过浑浊介质会发生多次未知散射,很难对目标进行成像.深度学习技术是近年来计算成像的焦点,计算成像技术作为新型光纤成像手段,可以对散斑进行高质量、高效率的成像.本文通过研究深度学习技术并采用Mobile U-Net网络结构针对多芯光纤散斑进行复原,实验结果证明该网络可以有效复原多芯光纤散斑图像,精度较高并且处理图像的速度更高,大大提高了实际领域的运行效率.