基于深度学习的波前编码显微系统景深拓展联合优化方法

本发明公开了一种基于深度学习的波前编码显微系统景深拓展联合优化方法，属于显微医学成像领域，本发明包括：收集清晰聚焦图像用于神经网络模型训练与测试；根据对应光学系统参数计算散焦相位，对清晰聚焦图像进行离焦模糊模拟；利用可学习的像差校正掩膜矩阵，训练过程中更新数据校正离焦像差；通过离焦校正掩膜计算联合点扩散函数，生成离焦校正图像；利用离焦校正图像与清晰聚焦图像对以及点扩散函数质量与图像质量评估损失函数训练生成式模型，高质量恢复光学图像。本发明优化了掩膜自由面型，引入光学物理机制融合图像相似度评价函数构成模型梯度回传损失函数，保证波前编码的像差校正有效性，提升了成像质量以及鲁棒性。