第47卷第1期燕山大学学报Vol.47No.12023年1月JournalofYanshanUniversityJan．2023文章编号:1007-791X(2023)01-0054-10基于无监督学习的编码衍射成像方法研究石保顺1，2，*，吴一凡1，2，练秋生1，2(1．燕山大学信息科学与工程学院，河北秦皇岛066004;2．燕山大学河北省信息传输与信号处理重点实验室，河北秦皇岛066004)收稿日期:2022-05-06责任编辑:温茂森基金项目:国家自然科学基金资助项目(61901406);河北省自然科学基金资助项目(F2020203025);河北省青年拔尖人才项目(BJ2021044)作者简介:*石保顺(1989-)，男，河北唐山人，博士，副教授，主要研究方向为计算成像、衍射成像、医学图像处理等，Email:shibaoshun@ysu．edu．cn。摘要:编码衍射成像旨在利用衍射强度图样重建原始图像，而现有基于人工设计先验的编码衍射成像算法大都在低信噪比下成像质量低。通过基于深度神经网络学习的深度先验能够解决上述问题，但有监督学习需要大规模样本对，不利于实际应用。针对这一问题，本文提出一种基于无监督学习的编码衍射成像方法。该方法结合双数据保真项、卷积稀疏编码模型和深度图像先验模型构建了能够融合互补先验的优化模型，并利用交替优化方法对其进行有效求解。实验结果表明，提出的方法能够在低信噪比下仅通过单幅编码衍射强度图样重建出高质量的图像。关键词:计算成像;衍射成像;无监督学习;深度图像先验;卷积稀疏编码中图分类号:TP391．41，O436文献标识码:ADOI:10．3969/j．issn．1007-791X．2023．01．0060引言编码衍射成像作为相位恢复领域的一个研究热点，在生物学［1］、医学［2］、光学［3-4］及天文学［5］领域有着广泛应用。编码衍射成像系统在观测物体后加入随机相位板对物体结构信息进行调制，通过探测器记录编码衍射图样(Codeddiffractionpatterns，CDP)。由于采样设备的限制，探测器只能记录衍射图样的强度值，导致测量的数据丢失了相位信息。因此通过CDP重建原始图像是一个高度不适定的非凸、非线性问题，如何对该问题进行有效求解是一大挑战。解决该非凸优化问题的一个思路是通过数学方法构建较好的初始解并利用基于梯度的迭代算法进行求解，主要代表算法有WF(Wirtingerflow)算法［6］、TWF(Truncatedwirtingerflow)算法［7］、TAF(Truncatedamplitudeflow)算法［8］等。该类方法未利用先验信息，导致重建高质量图像需要多幅编码衍射图样。为解决该问题，基于人工设计先验的算法利用图像固有先验信息进行编码衍射成像，例如基于...
