[论文翻译]0.8% 奈奎斯特计算鬼成像的非实验性深度学习实现

我们提出了一种基于深度学习(deep learning)和定制粉红噪声散斑图案的计算鬼成像框架。本工作中的深度神经网络仅通过模拟训练就能学习传感模型并提升图像重建质量。为验证本工作的亚奈奎斯特采样水平，我们在不同噪声条件下的多种采样率场景中，对比了传统计算鬼成像结果、使用白噪声和粉红噪声通过深度学习重建的成像结果。实验表明，即使目标物体不在训练数据集中，该方案仍能在0.8%采样率下获得高质量图像，并对噪声环境具有强鲁棒性。该方法特别适用于需要低采样率、快速重建效率或面临强噪声干扰的各类应用场景。