基于UMnet的数字全息相位解包裹

作者:陈翠茹; 王华英; 赵宝群; 王学; 朱巧芬; 王杰宇; 王文健; 雷家良
更新时间:

为了实现高精度的数字全息相位展开,采用了一种基于Unet网络框架中MobilenetV3集成的轻量级深度学习网络,并设计了一个UMnet网络来实现全息相位的精确展开。采用网络中融、轻量级注意机制和多尺度卷积来提高网络的准确性和泛化能力。同时,hard-Swish激活函数被用来提高网络学习能力。利用模拟数据集进行网络训练,测试生成的网络模型的降噪能力,并用实际样本的全息图进行了验证。结果表明,UMnet比率深度学习相位展开网络的结构相似性指数提高了6.6%。UMnet可以简单、快速、高效地实现数字全息相位展开。