"《基于深度学习的非相干无透镜成像技术研究》围绕非相干无透镜成像技术中图像重建质量和计算效率提升两个核心问题，开展了基于深度学习的菲涅耳孔径编码和无透镜光纤束成像技术研究。 1.提出了单帧菲涅耳孔径编码成像无孪生像重建方法；构建了无需校准的无透镜相机样机；建立了基于部分采样的编码掩膜成像模型；设计了基于交替方向乘子法的压缩重建算法。 2.提出了基于深度学习的菲涅耳孔径编码成像方法；提出宽带光源照明下编码掩膜成像系统的点扩散函数计算方法；基于U-Net和图像超分辨网络设计了端到端的网络模型。 3.提出了基于深度学习的无透镜光纤内窥镜成像方法；设计并构建了光纤束图像采集装置；基于U-Net和图像超分辨网络设计了光纤束成像分辨率增强网络模型。 "

吴佳琛，2022年博士毕业于清华大学精密仪器系，师从曹良才教授，主要从事无透镜计算光学成像研究。在国际知名期刊Light: Science & Applications、Optics Letters、Optics and Lasers in Engineering等发表SCI论文10余篇。曾荣获2022年度“博士后创新人才支持计划”资助，“第十八届王大珩光学奖学生奖”、“宝钢优秀学生奖学金”、“中日友好NSK机械工学优秀论文奖”等荣誉。担任Optical Engineering、Frontiers in Physics期刊审稿人。

导师序言 光学成像技术是一门历久弥新的技术。早在3000年前，古埃及人与美索不达米亚人就将石英晶体抛光制成宁路德透镜，用于聚焦日光和放大影像； 而200多年前摄影术的发明，使得人们可以方便地记录和保存影像。时至今日，从探索浩瀚宇宙到观测微观世界，光学成像技术对自然科学的发展起到了极大的推动作用，已成为拓展人类认知边界的重要手段。 尽管光学成像技术经过了漫长岁月的发展，但主流的成像系统架构却并没有发生大的改变，依然采用透镜组将物点映射至成像平面。为了兼顾成像质量，透镜组需要采用多个精心设计的镜片来降低各种像差，因此很难做到小巧轻薄。日常生活中一个常见的例子就是手机摄像头总是凸出手机背板，这种牺牲手机背面的整体平整度来换取成像性能的设计也常为人所诟病。近年来，随着光学工程、数学及计算机科学等学科的交叉融合，计算能力被引入传统光学成像系统中，不仅在结构上简化了光学系统的复杂度，而且在成像维度、尺度与分辨率上实现了质的突破。计算成像技术的产生给天文成像、显微成像、遥感成像、手机成像、汽车导航等领域带来了革命性的变化。 随着“十四五”规划的不断深入，集成光电子器件的发展受到国家相关部门的高度重视。国家自然科学基金委信息学部将智能光计算与存储器件、异质异构光电子集成技术、片上多维光电信息调控技术等方向作为“十四五”优先发展领域。2023年，阿里巴巴达摩院从产业的角度，将计算光学成像列为2023年引导与支撑我国科技和产业发展的十大科技趋势之一。由此可见，计算光学成像技术正处于快速发展的黄金时代。 基于编码掩模的非相干无透镜成像作为一种计算成像技术，以其结构轻薄...