基于物理增强神经网络的连续太赫兹波同轴数字全息成像

Abstract

太赫兹同轴数字全息是一种全场、无透镜、定量相衬成像方法，具有简单且稳健的光路结构，适合太赫兹波应用，然而其固有的孪生像问题会严重降低再现像的质量。提出一种将物理模型和卷积神经网络相结合的迭代相位复原方法，在无需施加约束以及准备预训练的标记数据集情况下，可从单幅同轴数字全息图中高保真度地恢复出样品的复振幅分布，并充分抑制孪生像干扰。仿真和实验结果表明了该方法的可行性，再现像质量优于目前主流方法，即基于物理增强神经网络的方法可以进一步拓展太赫兹数字全息成像的应用范围。