在数字全息显微中，为了消除像差对定量相位成像的影响，本研究提出了一种基于数据驱动的相位像差补偿网络（PACUnet3+）。传统的方法中，需要在相位图像或样本全息图中进行背景分割，但所提出的方法不需要任何图像分割等预处理技术。PACUnet3+网络通过学习样品全息图和背景全息图之间的映射，直接产生一个包含所有相位畸变的背景全息图。与双曝光法类似，本方法可以在不假设像差类型的情况下，通过减去背景相位来消除相位畸变。数值和实验结果都证实了该方法的准确性达到了传统双曝光方法的水平。

本工作的计算得到了西安工业大学高算混合云服务平台的支持，相关研究以“Accurate phase aberration compensation with convolutional neural network PACUnet3+ in digital holographic microscopy”为题发表在《Optics and Lasers in Engineering》。

网页链接：https://www.sciencedirect.com/science/article/pii/S0143816623003585

DOI:10.1016/j.optlaseng.2023.107829