[论文翻译]通过非实验性深度学习实现 0.8% 奈奎斯特计算鬼成像

我们提出了一种基于深度学习和定制粉红噪声散斑图案的计算鬼成像框架。本工作中的深度神经网络可以通过模拟训练学习感知模型并提高图像重建质量。为了展示我们工作中的亚奈奎斯特水平，我们在不同噪声条件下比较了传统计算鬼成像结果、使用白噪声和粉红噪声通过深度学习重建的成像结果。我们表明，即使目标不在训练数据集中，所提出的方案也能在采样率为 \$0.8\%\$ 时提供高质量图像，并且对噪声环境具有鲁棒性。该方法适用于各种应用，特别是那些需要低采样率、快速重建效率或经历强噪声干扰的应用。